Dec, 2023

利用元学习的神经吸收场和哈希编码正则化进行快速准确的稀疏视角 CBCT 重建

PDF
TL;DR通过提出一种快速准确的稀疏视角锥形束计算机断层成像（CBCT）重建方法（FACT），我们发现该方法相对于传统算法在不同身体部位（胸部、头部和腹部）和计算机断层成像（CT）供应商（西门子、飞利浦和 GE）的 CBCT 扫描中产生了更好且更快的重建结果。
cone beam computed tomographycbct reconstructionneural attenuation fieldsparse-view cbct reconstructionfact method
发现论文，激发创造
  • 学习 3D 高斯函数对极度稀疏视图的锥束 CT 重建

    通过稀疏视图重建减少辐射剂量的研究方向中，我们提出了一种新的重建框架，名为 DIF-Gaussian，利用三维高斯函数在三维空间中表示特征分布，通过测试时优化改进模型的泛化能力，通过在两个公共数据集上的评估结果，显示出明显优于最先进方法的重建性能。

    Jul, 2024

  • C^2RV：稀疏视图 CBCT 重建的跨地域和跨视图学习

    通过利用显式多尺度体素表示来实现三维空间中的区域间学习，并引入比例 - 视图交叉注意模块以自适应地聚合多尺度和多视图特征，我们提出了 C^2RV 方法，通过广泛实验证明其在具有多样化解剖结构的数据集上相比先前的领先方法实现了一致并显著的改进。

    Jun, 2024

  • 基于神经调控场的条件锥束神经计算机断层摄影

    本研究提出了一种新的条件锥形神经计算机断层成像 (CondCBNT) 方法，使用分区域的神经调制场 (NMF) 来同步训练全新的 NF，使其性能得到了显著的提高。

    Jul, 2023

  • 基于神经表示的方法用于牙科 CBCT 影像中金属引起的伪影降低

    本研究提出了一种新颖的牙科锥形束计算机断层扫描重建方法，旨在有效减少常见金属植入物引起的伪影。通过使用隐式神经网络生成两张不同的信息性层面的断层图像，一张图像代表特定能量水平上的单色衰减分布，而另一张图像则捕捉了由多色 X 射线束的非线性光束硬化因素引起的影响。与现有的计算机断层扫描重建方法相比，该方法仅依赖于比尔 - 朗伯定律，在背投影过程中有效地防止了金属引起的伪影的产生。广泛的实验评估表明，该方法有效地减少了金属伪影同时提供了高质量的图像重建结果，凸显了第二张图像在捕捉非线性光束硬化因素方面的重要性。

    Jul, 2023

  • 基于深度神经网络的稀疏采样 CT 成像正规化合成

    介绍了一种利用深度神经网络技术的正弦图像合成方法，用于稀疏视图 CT 成像，相比于现有的插值方法和迭代重建方法，具有更好的成像效果。

    Mar, 2018

  • 面向特征的肺部锥束 CT（CBCT）增强多任务定制感知损失的深度学习框架

    通过多任务深度学习模型，以特征为导向的深度学习框架提供了一种新的方法，用于将低质量的锥形束计算机断层成像（CBCT）图像转换成高质量的类似于 CT 的成像，从而在压制伪影的同时保留了解剖细节。

    Nov, 2023

  • 面向医学神经辐射场的不确定性感知单视图体积渲染

    利用生成的辐射场，本文提出了基于不确定性感知的 MedNeRF 神经网络，通过从 2D X 射线图像中获取内部结构和深度信息，并使用自适应损失权重来学习 CT 投影的连续表达，以确保生成图像的质量。在公开可用的膝盖和胸部数据集上训练，以及利用单个 X 射线进行 CT 投影渲染，并与其他基于生成的辐射场的方法进行比较。

    Nov, 2023

  • 具有神经调谐层析术（NeTT）和掩模神经辐射场（mNeRF）的稳健单视锥形束 X 射线姿态估计

    基于 X 射线投影的位姿估计问题，提出了两种高保真度视角综合方法，Neural Tuned Tomography (NeTT) 和 masked Neural Radiance Fields (mNeRF)，并展示了它们在该框架内明显改善位姿估计的结果。

    Aug, 2023

  • 利用深度卷积框架形成 U-Net：应用于稀疏视角 CT

    本文旨在揭示 U-Net 的局限性并提出新的多分辨率深度学习方案，具体而言，我们通过实验表明，新的网络架构可以提供更好的重建性能，并且我们探讨了 U-Net 替代方案，如双框架和紧框架 U-Net 满足所谓的框条件，使其更好地实现高频边缘的有效恢复。

    Aug, 2017

  • 使用特定领域感知网络的两步稀疏视角 CT 重建

    本文提出了一种用于稀疏视图计算机体层摄影的新框架，通过使用超分辨率网络（SIN）和细化网络（PRN）进行重建，以减少条纹伪影和提高恢复精度。

    Dec, 2020