X^{2}-가우시안: 연속 시간 토모그래픽 재구성을 위한 4차원 복사 가우시안 스플래팅

X^{2}-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction

March 27, 2025

저자: Weihao Yu, Yuanhao Cai, Ruyi Zha, Zhiwen Fan, Chenxin Li, Yixuan Yuan

cs.AI

초록

4차원 컴퓨터 단층촬영(4D CT) 재구성은 동적인 해부학적 변화를 포착하는 데 필수적이지만, 기존의 위상 분할(phase-binning) 워크플로우로 인해 본질적인 한계에 직면해 있습니다. 현재의 방법들은 호흡 게이팅 장치를 사용하여 시간 해상도를 고정된 위상으로 이산화함으로써 움직임의 불일치를 초래하고 임상적 실용성을 제한합니다. 본 논문에서는 동적 방사형 가우시안 스플래팅과 자기 지도 학습 기반 호흡 운동 학습을 통합하여 연속 시간 4D-CT 재구성을 가능하게 하는 새로운 프레임워크인 X^2-Gaussian을 제안합니다. 우리의 접근법은 시공간적 인코더-디코더 아키텍처를 통해 시간에 따라 변화하는 가우시안 변형을 예측함으로써 해부학적 동역학을 모델링하고, 위상 이산화를 제거합니다. 또한, 외부 게이팅 장치에 대한 의존성을 없애기 위해 미분 가능한 최적화를 통해 투영 데이터로부터 환자별 호흡 주기를 직접 학습하는 생리학 기반 주기 일관성 손실 함수를 도입했습니다. 광범위한 실험을 통해 기존 방법 대비 9.93 dB의 PSNR 향상과 이전 가우시안 스플래팅 기술 대비 2.25 dB의 개선을 달성하며 최첨단 성능을 입증했습니다. 연속적인 움직임 모델링과 하드웨어 없는 주기 학습을 통합함으로써, X^2-Gaussian은 동적 임상 영상을 위한 고품질 4D CT 재구성을 한 단계 발전시켰습니다. 프로젝트 웹사이트: https://x2-gaussian.github.io/.

English

Four-dimensional computed tomography (4D CT) reconstruction is crucial for capturing dynamic anatomical changes but faces inherent limitations from conventional phase-binning workflows. Current methods discretize temporal resolution into fixed phases with respiratory gating devices, introducing motion misalignment and restricting clinical practicality. In this paper, We propose X^2-Gaussian, a novel framework that enables continuous-time 4D-CT reconstruction by integrating dynamic radiative Gaussian splatting with self-supervised respiratory motion learning. Our approach models anatomical dynamics through a spatiotemporal encoder-decoder architecture that predicts time-varying Gaussian deformations, eliminating phase discretization. To remove dependency on external gating devices, we introduce a physiology-driven periodic consistency loss that learns patient-specific breathing cycles directly from projections via differentiable optimization. Extensive experiments demonstrate state-of-the-art performance, achieving a 9.93 dB PSNR gain over traditional methods and 2.25 dB improvement against prior Gaussian splatting techniques. By unifying continuous motion modeling with hardware-free period learning, X^2-Gaussian advances high-fidelity 4D CT reconstruction for dynamic clinical imaging. Project website at: https://x2-gaussian.github.io/.