一种用于CT切片插值的各向异性跨视图纹理传输与多参考非局部注意力方法

计算机断层扫描（CT）是最广泛用于医学诊断的非侵入性成像模态之一。在临床实践中，CT图像通常因内存存储和操作时间的高昂成本而采用较大的切片厚度采集，导致各向异性CT体积的层间分辨率远低于平面内分辨率。由于这种不一致的分辨率可能导致疾病诊断困难，基于深度学习的体素超分辨率方法已被开发用于提高层间分辨率。大多数现有方法对穿平面进行单图像超分辨率，或从相邻切片合成中间切片；然而，3D CT体积的各向异性特征尚未得到充分探索。在本文中，我们提出了一种充分利用3D CT体积各向异性特征的CT切片插值跨视图纹理传输方法。具体而言，我们设计了一个独特的框架，以高分辨率平面内纹理细节作为参考，将其传输到低分辨率穿平面图像。为此，我们引入了一种多参考非局部注意力模块，从多个平面内图像中提取有意义的特征，以重建穿平面的高频细节。通过大量实验，我们证明该方法在公共CT数据集（包括真实配对基准）上显著优于现有竞争方法，验证了所提出框架的有效性。本工作的源代码可在 https://github.com/khuhm/ACVTT 获取。