[논문 리뷰] Radioactive 3D Gaussian Ray Tracing for Tomographic Reconstruction

Ling Chen, Bao Yang|arXiv (Cornell University)|2026. 02. 01.

Medical Imaging Techniques and Applications인용 수 0

한 줄 요약

이 논문은 3D 가우시안 레이 트레이싱 프레임워크를 도입하여 3D 가우시안 원시체를 통한 해석적 선적분을 계산하고, splatting 기반 방법에 비해 PET 및 CT의 순방향 투영 정확도와 기하학적 유연성을 향상시킨다.

ABSTRACT

3D Gaussian Splatting (3DGS) has recently emerged in computer vision as a promising rendering technique. By adapting the principles of Elliptical Weighted Average (EWA) splatting to a modern differentiable pipeline, 3DGS enables real-time, high-quality novel view synthesis. Building upon this, R2-Gaussian extended the 3DGS paradigm to tomographic reconstruction by rectifying integration bias, achieving state-of-the-art performance in computed tomography (CT). To enable differentiability, R2-Gaussian adopts a local affine approximation: each 3D Gaussian is locally mapped to a 2D Gaussian on the detector and composed via alpha blending to form projections. However, the affine approximation can degrade reconstruction quantitative accuracy and complicate the incorporation of nonlinear geometric corrections. To address these limitations, we propose a tomographic reconstruction framework based on 3D Gaussian ray tracing. Our approach provides two key advantages over splatting-based models: (i) it computes the line integral through 3D Gaussian primitives analytically, avoiding the local affine collapse and thus yielding a more physically consistent forward projection model; and (ii) the ray-tracing formulation gives explicit control over ray origins and directions, which facilitates the precise application of nonlinear geometric corrections, e.g., arc-correction used in positron emission tomography (PET). These properties extend the applicability of Gaussian-based reconstruction to a wider range of realistic tomography systems while improving projection accuracy.

연구 동기 및 목표

• 로컬 아핀 스플랫팅을 넘어서는 토모그래픽 재구성 정확도와 기하학적 정밀도 동기 부여.
• 3D 가우시안 원시체를 통한 해석적 선적분으로 미분 가능한 순방향 모델을 개발.
• 다양한 스캐너 기하학 및 비선형 기하 보정(예: PET의 arc 보정)을 지원하도록 보장.
• Projection 데이터로부터 가우시안 매개변수를 회수하는 실용적 최적화 프레임워크를 제공.

제안 방법

• 장면을 위치, 공분산, 밀도, 방향으로 매개변수화된 3D 가우시안 원시체로 표현.
• 단일 비등방성 3D 가우시안의 광선에 따른 해석적 선적분을 도출 및 구현하여 순방향 투영(I(r) = sum_i ρ_i * sqrt(2π/A_i) * exp(-0.5*(C_i - B_i^2/A_i))).를 얻음.
• BVH 및 GPU 가속(OptiX)으로 픽셀당 광선을 캐스팅하고 해석적 적분을 누적하는 레이 트레이싱을 사용.
• PET 호(arc)나 비스듬한 LOR과 같은 서로 다른 스캐너 기하학을 수용하기 위해 2D 아핀 프로젝션에 의존하지 않고 유연한 광선의 기원/방향을 허용.
• densify-and-prune 전략을 채택하고 RTX 3080 Ti에서 PyTorch/OptiX 구현으로 효율적인 최적화를 수행.
• PET 및 CT 데이터 세트에서 R2-가우시안 및 OSEM과 비교하여 정량적 지표와 정성적 이미지 품질을 평가.

실험 결과

연구 질문

• RQ1 해석적 선적분을 통해 3D 가우시안 원시체가 얻는 순방향 투영이 로컬 아핀 스플랫으로 인한 재구성보다 물리적으로 더 정확한가?
• RQ2 레이 트레이싱 기반 가우시안 프레임워크가 arc 보정된 PET 구성 등 다양한 스캐너 기하학을 어떻게 처리하는가?
• RQ3 3D 가우시안 레이 트레이싱을 사용한 PET 및 CT 재구성에서 R2-가우시안 및 전통적 방법과 비교하여 정량적·정성적 개선은 무엇인가?
• RQ4 이 설정에서 해석적 레이 트레이싱과 스플랫 기반 접근법의 계산적 트레이드오프(속도 vs 정확도)는 무엇인가?
• RQ5 비선형 기하 보정을 프레임워크에 쉽게 통합하고 완전 정량적 PET 재구성으로 확장할 수 있는가?

주요 결과

• 3D 가우시안에 대한 해석적 선적분은 로컬 아핀 근사를 피하는 미분 가능한 순방향 프로젝션을 제공합니다.
• 프레임워크는 임의의 광원 및 방향의 광선을 지원하므로 PET 아크 보정 및 비스듬한 응답 선의 정확한 모델링이 가능합니다.
• PET 실험에서 해당 방법은 대부분의 NEMA 구에서 가장 높은 정량적 정확도를 달성했고, 구 6개 중 5개에서 지름 오차 5% 이내였으며 기준 대비 SBR이 개선되었습니다.
• 아크 보정은 3점 소스 몬테카를로 테스트에서 공간 해상도를 개선하고 소스 간 변동성을 감소시켰습니다.
• 제안된 방법이 R2-가우시안에 비해 PSNR이 더 높았고 통계적으로 유의미한 PSNR 증가(p = 0.0048)가 관찰되었으며 SSIM은 유사했습니다.
• 실 realistic 뇌 PET 데이터에서 시각적 재구성 결과가 OSEM 및 R2-가우시안 대비 더 세밀한 해부학적 디테일과 인공물 감소를 보여주었습니다.
• 명시적 레이 트레이싱으로 인한 스플랫 기반 방법보다 속도는 느리지만 기하학적 충실도가 뛰어나고 향후 가속화 가능성이 큽니다.