[論文レビュー] Fast Eikonal Phase Retrieval for High-Throughput Beamlines

Alessandro Mirone, Theresa Urban+4 more|arXiv (Cornell University)|Jan 30, 2026

Advanced X-ray Imaging Techniques被引用数 0

ひとこと要約

この論文は、局所的な L^2 閉包と非局所的なマルチピクセル光線マッピングソルバーを組み合わせた高速な二次順序のエイコナル位相復元（EPR）フレームワークを提示し、精度を保持しつつ高スループット PPC-μCT のために >100×のスピードアップを達成、多色データをサポートします。

ABSTRACT

We introduce a fast Eikonal Phase Retrieval (EPR) formulation that accelerates eikonal phase retrieval by more than two orders of magnitude while retaining controlled accuracy. The method is derived from a second-order asymptotic expansion in the propagation distance $L$ and complemented by the leading Wentzel--Kramers--Brillouin (WKB) wave-optics correction, yielding an efficient iterative correction scheme preconditioned by FFT-diagonal, energy-dependent inverse operators (Paganin-type filters). To ensure robustness across practical experimental regimes, we combine two complementary solvers: (i) a local $O(L^2)$ closure that is accurate when eikonal shifts remain sub-pixel, and (ii) a non-local formulation for multi-pixel shifts, in which intensity is propagated through an explicit eikonal ray mapping using a mass-conserving bilinear redisribution on the detector grid, and detector residuals are transferred back to the object grid by the corresponding adjoint (transpose), implemented as bilinear interpolation, before applying an approximate FFT-diagonal preconditioner to accelerate convergence. The same framework supports polychromatic data through a compact spectral discretisation, allowing energy-dependent transport and inversion while keeping the iteration GPU/FFT efficient. Overall, this unified approach enables accurate and computationally efficient phase retrieval across propagation conditions relevant to high-throughput PPC-$μ$CT experiments.

研究の動機と目的

• 長距離伝搬での非線形アーティファクトに対処し、高スループットビームラインのための伝搬ベース位相コントラストマイクロトモグラフィー（PPC-μCT）を動機づける。
• 完全な O(L^2) WKB ベースの順伝播モデルを保持しつつ、先行する WKB1 修正を持つ高速な EPR 形式を開発する。
• 補完的な局所ソルバーと非局所ソルバーを組み合わせ、サブピクセルおよびマルチピクセル移動 regimes でのロバスト性を確保する。
• 多色（スペクトル）データ処理を組み込み、定量的精度を改善する。
• 従来の EPR 実装と比較して計算加速を大幅に達成しつつ、再構成の品質を維持する。

提案手法

• Fresnel プロパゲータの WKB0 輸送項と先行の WKB1 修正を含む WKB 展開の完全な O(L^2) 内容を保持する。
• 収束を加速させるための FFT 対角前処理（Paganin 型フィルタ）を用いる。
• WKB0 光線写像を介して強度を明示的に輸送し、検出グリッド上で質量保存な二項再分配を用いた非局所前方モデルを導入する；残差は明示的 adjoint（転置）を用いて back-projection する。
• スペクトラムを小さな有効スペクトル線の数に離散化し、それらの寄与を総和することで多色フレームワークで動作する。
• 多スペクトルの inversion を安定化させるため、低次元多様体投影を介してスペクトル線間で単一厚さの制約を課す。

Figure 1: Full reconstructed slice of the sheep-head HiP-CT dataset (same specimen and acquisition context as in the original EPR paper). The yellow rectangle marks the region of interest (ROI) used for the detailed comparisons in Figs. 2 – 5 . Among the multiple zoomed regions discussed in the orig

実験結果

リサーチクエスチョン

• RQ1 2次近接場モデル（WKB0+WKB1）と FFT ベースの前処理を組み合わせると、正確さを損なうことなく EPR の計算時間を桁違いに削減できるか？
• RQ2 1画素を超えるシフト（マルチピクセルトランスポート）を含む regimes を、収束と安定性を維持しつつ堅牢に処理するにはどうするべきか？
• RQ3 コンパクトなスペクトル離散化を介して多色データを組み込むと、相位復元の精度とアーティファクト抑制は向上するか？
• RQ4 ローカル（サブピクセル）と非局所（マルチピクセル）ソルバーの現実的な HiP-CT ライクデータセットにおける比較パフォーマンスとロバスト性のトレードオフは？
• RQ5 長い伝搬条件下で高勾配試料（骨と軟組織の界面など）に対する加速 EPR の性能はどうなるか？

主な発見

Configuration	Ns	Iter.	Time
L1 mono (Paganin) on CPU	1	1	45 s
Local L2 mono on GPU	1	1	1.1 min
Local L2 mono on GPU	1	2	1.23 min
Local L2 poly on GPU	5	1	1.47 min
Non-local poly on GPU (oversampling 2)	5	1	2 min
Original EPR implementation	5	many	870 min

• L^2 二次前方モデルは L^1 モデルと比べて非線形ストリークアーティファクトを大幅に低減し、難易度の高い領域での軟組織対比を改善する。
• 多色モデリングはモノクローム仮定より一貫した改善を提供し、L^2 前方物理モデルからさらに改善が得られる。
• 非局所ソルバーは局所的サブピクセル仮定が失敗する場合（シフト >1 ピクセル）でも堅牢だが、局所ソルバーは強いシフト領域で発散する可能性がある。
• L^2 ポリ（多色）アプローチは急速に収束し、ほとんどの利得は最初の L^2 アップデート後（しばしば1回の反復内）に得られる。
• 元の EPR と比較して、新しい実装は同じ GPU リソースで体積あたりの位相復元 Wall time を約 2.8 桁分の高速化（約580×高速）を実現。
• 5スペクトル線、単一ボリュームのデータセットを GPU で処理すると、8000枚の放射線写真あたりの実質的に分～数分の実行時間を達成し、高スループットワークフローを可能にする。

Figure 2: ROI comparison (brain region) for the four forward models. Top row: monochromatic models; bottom row: polychromatic models. Left column: first-order model $L^{1}$ ; right column: second-order model $L^{2}$ . (Here $L^{1}$ mono is equivalent to the Paganin single-distance forward model in t