Jun, 2024

XctDiff：从单个 X 射线投影图像中重建具有一致解剖结构的 CT 图像

PDF
TL;DR本文提出了一种名为 XctDiff 的算法框架，用于从单个放射照片中重建 CT，该算法将重建过程分解为两个易于控制的任务：特征提取和 CT 重建。实验结果表明，我们提出的方法在重建性能方面达到了最先进水平，并克服了模糊问题。此外，我们还将 XctDiff 应用于自监督预训练任务，其有效性表明它在医学图像分析方面具有很大的应用潜力。
ct reconstructionfeature extractionradiographsreconstruction performancemedical image analysis
发现论文，激发创造
  • XTransCT：使用转换网络通过两个正交 X 射线投影进行超快速体积 CT 重建

    本文提出了一种名为 XTransCT 的新型 Transformer 架构，可从二维 X 光图像中实时重建 CT 图像，该方法在图像质量、结构可靠性和普适性方面优于其他方法，并且可以在重建 3D 图像的同时实现约 300％的速度提高。

    May, 2023

  • XProspeCT: 从成对 X 射线生成 CT 体积

    该研究论文通过使用更大的数据集和不同的模型结构，探索将正交 X 射线图像转换成模拟 CT 体积的方法，以解决 CT 扫描在辐射剂量和成本方面相对于 X 射线成像的问题。关键模型变化包括 UNet 架构、自定义连接、激活函数、损失函数、优化器和一种新颖的反投影方法。

    Feb, 2024

  • XraySyn：基于 CT 先验的单张 X 光逼真视图合成

    该文介绍了一种基于 CT 投影算法的 X 光图像合成方法，可以在无须地面真值骨标记的情况下从真实的放射性照片中综合出新的视图。

    Dec, 2020

  • 扩散先验正则化迭代重建低剂量 CT

    通过将消除噪声扩散概率模型（DDPM）与优先数据保真度的重建过程相结合，我们引入了一种迭代重建算法，以减少医患暴露于电离辐射的剂量，从而实现无监督框架中的卓越重建结果。通过融合这两种技术的优点，以及应用 Nesterov 动量加速技术，我们进一步提高了重建过程的效率，为高清晰 CT 图像重建提供了潜在途径。

    Oct, 2023

  • X 射线到 CT 图像融合的全可微相关驱动 2D/3D 配准

    我们提出了一种新颖的全可微相关驱动网络，使用双分支 CNN-transformer 编码器从图像中提取并分离低频全局特征和高频局部特征，同时采用了基于嵌入信息的相关驱动损失进行特征分解，并使用了学习逼近凸形相似函数的训练策略。在内部数据集上的测试结果表明，我们的方法优于现有的全可微学习注册方法和传统的基于优化的基准线。

    Feb, 2024

  • 单层和双层放射照片 CT 重建的变压器

    本文介绍了一种基于变压器架构的新方法，该方法可在仅有的双平面 X 射线的情况下重建计算机断层扫描（CT）图像，进而实现对器官进行大体测量，具有很高的实用价值。该方法可作为一种新型检测手段，并提供了一个基于 GitHub 的公开代码库，以鼓励更深入的研究。

    May, 2023

  • SdCT-GAN：使用自主驱动生成对抗网络由双平面 X 射线重建 CT

    本文提出了一种新的自主驱动生成对抗网络模型（SdCT-GAN），通过引入鉴别器中的新型自动编码器结构，以及结合来自 2D X 射线图像的边缘信息的 Sobel 梯度引导器（SGG）思想，能够更好地保留细节并使用 LPIPS 评估度量量化评估重构图像的轮廓和纹理，实验证明了该模型相对于主流最先进基准模型的优势。

    Sep, 2023

  • 少数平面 X 射线的 CT 重建及其在低资源放疗中的应用

    通过使用先前数据分布，我们提出了一种方法，从少量（＜5）平面 X 射线观察中生成 CT 体积，并首次评估了该重建算法用于临床应用：放疗计划。

    Aug, 2023

  • X2CT-GAN: 用生成对抗网络从二平面 X 光线重建 CT

    使用生成对抗网络（GAN）框架从两个正交 X 射线重构 CT。所提出的特殊设计的生成器网络通过提供从 2D 到 3D 的数据维度增加，从而提高了医学成像技术。该方法不需要完整的旋转扫描并可以在低成本的 X 射线机上实现。在公开的胸部 CT 数据集上进行了广泛的实验评估，并获得较好的成果。

    May, 2019

  • X-ray2CTPA: 从 2D X 射线条件生成 3D CTPA 扫描

    从 2D 低对比度 X 射线输入到 3D 高对比度和空间分辨率 CTPA 扫描的跨模态转换

    Jun, 2024