我正在开发一种基于铅笔束方法的放射治疗逆向规划工具。这些方法中的一个重要步骤（特别是在剂量计算中）是来自许多来源的光线追踪，最常用的算法之一是 Siddon 的算法（这里有一个很好的简短描述http://on-demand.gputechconf.com/ gtc/2014/poster/pdf/P4218_CT_reconstruction_iterative_algebraic.pdf）。现在，我将尝试简化我的问题：
输入数据是 CT 图像（带有值的 3D 矩阵）和图像周围的一些源位置。你可以想象一个立方体和周围的许多点，它们都在相同的距离但不同的方向角，辐射线来自哪里。每条射线都将穿过体积，并根据与源的距离为每个体素分配一个值。Siddon 算法的优点是在光线追踪的迭代过程中按时计算长度。但是，我知道 Bresenham 的算法是评估矩阵中从一个点到另一个点的路径的有效方法。因此，即使在 Bresenham 的迭代过程中，从源到特定体素的长度也可以很容易地计算为欧几里德距离两个点。
那么，既然知道这两种方法都已经很老了，而且很有效，那么使用 Siddon 代替 Bresenham 有明确的优势吗？也许我在这里遗漏了一个重要的细节，但对我来说很奇怪的是，在这些剂量计算程序中，布雷森汉姆并不是一个真正的选择，而西登总是作为黄金标准出现。
感谢您的任何评论或回复！
再会。