基于学习采样策略的主动CT重建
图像与视频处理
2022-11-04 v1 计算机视觉与模式识别
摘要
计算机断层扫描(CT)是一种广泛使用的成像技术,可通过高质量的人体表征辅助临床决策。为降低CT带来的辐射剂量,开发了保持图像质量的稀疏视角和有限角度CT。然而,这些方法仍受限于固定或均匀的采样策略,这阻碍了以更低剂量获取更优图像的可能性。在本文中,我们通过学习一种主动采样策略来探索这一可能性,该策略针对患者特定的高质量重建优化采样位置。为此,我们设计了一个智能体(intelligent agent),基于已获取正弦图以渐进方式进行的即时重建,主动推荐采样位置。通过此类设计,我们在NIH-AAPM数据集上相比流行的均匀采样取得了更优性能,尤其在视角数较少时。最后,该设计还支持感兴趣区域(RoI)感知重建,在临床重要的感兴趣区域(RoI)内提升重建质量。在VerSe数据集上的实验证明了我们采样策略的这一能力,而基于均匀采样难以实现。
引用
@article{arxiv.2211.01670,
title = {Active CT Reconstruction with a Learned Sampling Policy},
author = {Ce Wang and Kun Shang and Haimiao Zhang and Shang Zhao and Dong Liang and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2211.01670},
year = {2022}
}