稀疏视角医学影像的扩散低秩混合重构：TV-LoRA 方法
计算机视觉与模式识别
2025-10-07 v1
摘要
本工作提出 TV-LoRA，一种新型的低剂量稀疏视角 CT 重构方法，将扩散生成先验（NCSN++ 采用 SDE 模型）与多正则化约束（包括各向异性 TV 和核范数（LoRA））结合于 ADMM 框架中。为解决在极端稀疏视角下的数据不适应性和纹理损失问题，TV-LoRA 整合了生成与物理约束，并采用 2D 切片策略结合 FFT 加速和张量并行优化实现高效推理。在 AAPM-2016、CTHD 和 LIDC 数据集上进行实验， 的实验结果表明，TV-LoRA 在结构相似性（SSIM）、纹理恢复、边缘清晰度和痕迹抑制方面均一致超越基准方法，显示出强大的鲁棒性和广泛性。消融研究确认 LoRA 正则化与扩散先验具有互补作用，而 FFT-PCG 模块提供了加速。总体而言，Diffusion + TV-LoRA 实现了高保真、高效的 3D CT 重构，在低剂量、稀疏采样场景下展现出广泛的临床适用性。
引用
@article{arxiv.2510.04069,
title = {Diffusion Low Rank Hybrid Reconstruction for Sparse View Medical Imaging},
author = {Zongyin Deng and Qing Zhou and Yuhao Fang and Zijian Wang and Yao Lu and Ye Zhang and Chun Li},
journal= {arXiv preprint arXiv:2510.04069},
year = {2025}
}