回波时间取代图像平面投影
在光学相机中，场景点落在图像平面上的某个位置。在超声中，换能器发出声脉冲并记录返回的回波，回波在图像中的位置由往返传播时间决定。论文的前向模型建立在这一差异之上：成像被当作瞬态渲染问题处理，换能器同时充当发射器和传感器。
这对形状恢复很重要，因为被匹配的量不是投影轮廓，而是每个换能器阵元上随时间变化的压力信号。作者把该压力写成路径积分，积分路径从孔径出发并返回孔径，中间在组织界面上有若干交互点。每条路径携带一个空间吞吐量，汇总反射项和几何项，还携带一个时间响应，按传播时间对路径进行门控。时间响应是高斯函数，其宽度由发射脉冲长度决定，因此它控制轴向分辨率，并把每条路径的能量分散到相邻的时间采样上。
实际后果是梯度集中在回波产生的位置。当作者横向扰动一个椎体的有符号距离场时，解析梯度沿反射组织边界形成一条细窄的有符号带，而不是沿投影轮廓分布；作者把这一点直接归因于对飞行时间门控求导。
同一个蒙特卡洛估计同时给出前向模型与梯度
UltraDiff 从提议密度中抽取 N 条路径，对其加权贡献取平均，得到某个换能器阵元、某个时间采样上压力的无偏估计。同一批样本被复用来估计对场景参数的导数。由于扰动几何也会移动交互顶点，导数中包含一个边界速度项，类似于可微有符号距离场渲染中的法向速度项。
作者没有显式采样由可见性不连续产生的边界项。他们指出，高斯时间核与换能器响应的弥散范围会平滑主要的不连续，他们发现这足以支持稳定优化。这是一个有明确理由的设计选择，而不是声称此类项在任何声学场景中都可忽略。
几何以体素网格上的有符号距离场存储，采用三次 B 样条插值，交点通过球体追踪求得。速度与法向直接由该场导出。在重建实验中，路径被限制为单次组织交互，作者称这能捕捉大尺度组织边界的镜面回波，并使逆问题保持良态；路径空间表述本身并不限于一次反弹。
梯度在单次与两次反弹下均与有限差分吻合
在优化形状之前，作者先检验了梯度本身。他们通过单一参数——有符号距离场的横向平移——扰动一个椎体场景，并把渲染 B 模式图像的解析梯度与有限差分参考进行比较。单次反弹传输的余弦相似度为 0.97，两次反弹传输为 0.95。残差主要局限于边界曲率尖锐处。
两次反弹的情形还展示了一种单向射线积分无法产生的信号。当一条路径先在一个界面上反射、再到达第二个界面后返回时，其更长的往返时间会把回波放在比两个反射面都更深的表观深度上，形成鬼影回波。此类路径只存在于镜面反射能够到达第二个表面的地方，作者将其描述为凹形解剖结构内部。这是路径空间表述具备的能力，在椎体场景上得到展示，而不是一项经过验证的重建结果。
形状恢复直接作用于 B 模式图像
逆问题实验从一个球体出发，优化有符号距离场，直到模拟回波与实测回波匹配，构成一个分析-合成循环。作者在两个数据集上评估。合成数据集包含来自 VerSe2020 的五个椎体，用他们自己的前向模型渲染：每个椎体三次扫查（两次纵向、一次横向），平面外倾角为 −10°、0° 和 10°，在 6 cm 成像深度下每个椎体得到 450 张带位姿的 B 模式图像。真实数据集是水浴中脊柱体模的一次机器人扫查，倾角为 −20°、0° 和 20°，深度 9 cm，得到约 600 张带追踪的图像。对真实数据，每张图像下方 30% 被丢弃，因为该区域以低信噪比杂波为主，而镜面反射前向模型无法表示这些杂波。
比较对象是三种近期重建方法：RoCoSDF、UltraBoneUDF 和 UltrON，它们都以从分割后的 B 模式图像中提取的点云作为输入。为了让它们获得相同的观测，作者把处理后的目标图像中每个非零像素当作一个三维点，称之为理想化分割。误差以 Chamfer 距离、平均绝对表面偏差、推土机距离和 95 百分位 Hausdorff 距离报告，单位均为毫米，且只在换能器位姿可观测的表面区域上计算，以免被遮挡的几何主导误差。
论文对结果的总结是：UltraDiff 在 B 模式图像上无监督运行，精度与这些基于点云的方法相当或更高，并且无需修改即可迁移到真实采集数据。各指标的具体数值位于论文的结果表中，提取文本未复现该表；应当带走的是比较性结论，而不是某个单一误差值。
这一比较确立了什么、未确立什么
基线方法收到的是由同一批处理目标导出的理想化分割，这消除了它们输入中的分割误差，使比较聚焦于重建而非分割质量。这增强了输入侧的公平性，但也意味着实验没有测量 UltraDiff 面对真实、不完美分割流程时的表现。
第二种不对称则朝相反方向。合成目标由作者自己的前向模型渲染，他们承认这可能使比较偏向自己。直接迁移到真实体模数据缓解了但并未消除这一担忧。因此，读者应把合成数据上的排名视为前向模型能为几何细化提供良好梯度的证据，而把真实数据结果视为关于迁移性的更强信号。
作者还报告，仅在少数视角中观测到的结构（如椎间盘）可能被平滑先验抑制。他们建议采用从较宽点扩散函数开始、逐步锐化的调度方案。这是与视角覆盖和正则化相关的限制，而不是估计器的一般性失败。
这些结果的适用范围
所展示的任务是从带追踪的 B 模式扫查中恢复骨表面，具体是椎体表面，使用单次反弹前向模型、5 MHz 换能器模型和各向同性点扩散函数。真实证据来自水浴中的一个脊柱体模，而非患者。真实图像下方 30% 被排除，因此报告的真实数据精度描述的是视野中保留下来的上部区域。
该框架被描述为模块化：换能器模型、交互项和先验可以在对流程改动很小的情况下替换，路径空间表述支持多次反弹传输。作者把散射与衰减，以及换能器和采集轨迹优化，定位为未来扩展而非已展示的结果。证据包中没有任何内容显示在这些更丰富的声学模型下进行过形状恢复。
重点在于反演成像过程，而非取代分割
论文的独特之处在于把实测回波强度作为目标，而不是把表面拟合到从单独分割图像中提取的点上。这改变了精度所依赖的对象：在作者的框架中，基于分割的方法把精度系于单独训练的分割模型，而 UltraDiff 通过可微前向模型把精度系于实测强度。报告的结果是，这条路线在可观测表面区域上达到了有竞争力的几何精度，包括在真实体模数据上。
因此，最具决策相关性的解读是比较依赖关系，而不是某个单一误差数值。如果目标是让重建误差由声学前向模型和位姿集合决定，那么 UltraDiff 的证据支持在测试的单次反弹、5 MHz、体模与合成条件下对镜面骨表面采用这条路线。如果目标需要少数视角中可见的结构，或散射与衰减占主导的场景，论文自身的限制与未来工作清单把这些标记为未解问题。余弦相似度 0.97 和 0.95 的梯度验证，以及鬼影回波演示，是可微路径积分按预期工作的具体迹象；形状结果则让这套机制变得有用。
本文引用的文献
UltraDiff: Differentiable Ray Tracing in Ultrasound for Shape Optimization
UltraDiff 把 B 模式成像表述为以飞行时间为门控的路径积分，推导出前向模型及其梯度的蒙特卡洛估计，并通过分析-合成优化有符号距离场，在无需预分割图像的情况下从模拟和真实机器人 B 模式扫查中恢复椎体表面，几何精度与基于分割的方法相当。