面向金属致射束硬化校正的 CT 正弦图一致性学习

本文提出一种正弦图一致性学习方法，用于处理多色计算机断层扫描（CT）中与射束硬化相关的伪影。扫描区域内高衰减材料的存在会导致正弦图不一致，即不再匹配 Radon 变换的值域。当这些不匹配数据在 CT 重建过程中进入值域时，由于逆 Radon 变换的固有特性，会产生条纹和阴影伪影。所提出的学习方法旨在通过沿正弦图中金属轨迹去除主要的金属致射束硬化因素，来修复不一致的正弦图。考虑到医学环境中获取充足训练数据的根本困难，该方法设计为使用模拟训练数据，并采用患者类型特定的学习模型以简化学习过程。利用包含带有髋关节假体的骨盆真实 CT 扫描数据集，验证了所提方法的可行性。训练数据与测试数据的解剖区域不同，以证明该方法能选择性地提取射束硬化特征。结果表明，我们的方法通过深度学习提取射束硬化源，成功校正了正弦图不一致性。本文首次提出了用于 CT 射束硬化减少的深度学习正弦图校正方法。传统的射束硬化减少方法基于正则化，存在不易利用多样 CT 图像的根本缺陷，而深度学习方法则具备这种潜力。