基于多切片融合的 4D X 射线 CT 重建

对对应于空间、时间及其它独立参数的四维或更高维对象重建的需求日益增长。最佳的 4D 重建算法使用正则化迭代重建方法，如基于模型的迭代重建（MBIR），其关键依赖于先验建模的质量。近来，Plug-and-Play 方法已被证明是利用为去除加性白高斯噪声（AWGN）而设计的最先进去噪算法来引入先进先验模型的有效途径。然而，诸如 BM4D 和深度卷积神经网络（CNNs）等最先进去噪算法主要可用于 2D 且有时 3D 图像。特别地，CNNs 在四维或更高维中难以实现且计算昂贵，且若无相应高维训练数据则训练可能不可行。本文中，我们提出 Multi-Slice Fusion，一种基于多个低维去噪器融合的 4D 及更高维重建新算法。我们的方法使用多智能体共识平衡（MACE，Plug-and-Play 的扩展）作为整合多个低维先验模型的框架。我们将方法应用于运动部件无损评估（NDE）的 4D 锥束 X 射线 CT 重建问题。这是通过在异构集群上并行实现低维 CNN 去噪器求解 MACE 方程来完成的。实验 CT 数据上的结果表明，相对于传统 4D 先验，Multi-Slice Fusion 能大幅提升重建质量，同时易于实现与训练。