基于深度学习的临床X射线暗场胸部影像中梯度硬化校正
医学物理
2025-08-15 v1
摘要
暗场射影是一种新型X射线成像技术，通过可视化肺组织的微观结构属性来提供补充诊断信息。其通过集成于常规X射线系统中的Talbot-Lau干涉仪实现，允许同时获取在时间和空间上完全注册的基于衰减的常规射影和暗场射影。最近的临床研究表明，暗场射影在诊断和分期肺部疾病方面优于常规射影。然而，医学X射线源的多色特性导致梯度硬化，进而在暗场射影中引入结构性伪影，尤其是来自骨质结构。这种所谓的梯度硬化引起的暗场信号为人工暗场信号，会导致衰减和暗场信道之间出现不可寻的的交叉干扰。本文提出一种基于深度学习的分割方法，用于校正梯度硬化，通过分割肋骨和锁骨来实现。来自双层探测器CT数据分解为铝和水的衰减贡献掩模用于细化材料分布估计。该方法在来自健康受试者、慢性阻塞性肺疾病和新冠病毒感染患者的临床数据上进行了定性和定量评估。所提出的方法可减少骨骼引起的伪影，并改善肺部暗场信号的均匀性，支持更可靠的临床暗场胸部射影的视觉和定量评估。
引用
@article{arxiv.2508.10625,
title = {Beam Hardening Correction in Clinical X-ray Dark-Field Chest Radiography using Deep Learning-Based Bone Segmentation},
author = {Lennard Kaster and Maximilian E. Lochschmidt and Anne M. Bauer and Tina Dorosti and Sofia Demianova and Thomas Koehler and Daniela Pfeiffer and Franz Pfeiffer},
journal= {arXiv preprint arXiv:2508.10625},
year = {2025}
}