基于神经先验的连续性驱动协同扩散用于超稀疏视角CBCT重建
计算机视觉与模式识别
2026-02-10 v1
摘要
锥束计算机断层扫描（CBCT）的临床应用受到辐射剂量与图像质量之间固有折衷的限制。为降低剂量而采用的超稀疏角度采样会引入严重的欠采样伪影和层间不一致性，损害诊断可靠性。现有的重建方法常常难以平衡角度连续性与空间细节保真度。为了解决这些挑战，我们提出了一种基于神经先验的连续性驱动协同扩散（CSDN）方法，用于超稀疏视角 CBCT 重建。引入神经先验作为结构基础，以编码连续的二维衰减表示，从而能够从超稀疏测量中合成物理一致的密集投影。在此基于神经先验的初始化基础上，开发了一种协同扩散策略，由两个协作细化路径组成：一个恢复角度连续性的正弦图细化扩散（Sino-RD）过程，以及一个从投影图像角度强制层间一致性的数字放射摄影细化扩散（DR-RD）过程。两个扩散路径的输出由双投影重建融合（DPRF）模块自适应融合，以实现连贯的体素重建。大量实验表明，所提出的 CSDN 在超稀疏视角条件下有效抑制了伪影并恢复了精细纹理，优于现有的最先进技术。
引用
@article{arxiv.2602.07980,
title = {Continuity-driven Synergistic Diffusion with Neural Priors for Ultra-Sparse-View CBCT Reconstruction},
author = {Junlin Wang and Jiancheng Fang and Peng Peng and Shaoyu Wang and Qiegen Liu},
journal= {arXiv preprint arXiv:2602.07980},
year = {2026}
}