扩散模型正则化隐式神经表示用于CT金属伪影消除
计算机视觉与模式识别
2025-12-11 v1
摘要
计算机断层扫描(CT)图像在存在金属的情况下常受到严重伪影污染。现有的监督式金属伪影消除(MAR)方法由于依赖有限的配对金属-干净数据，在已知数据上性能不稳定，从而限制了其临床应用。此外，现有的无监督方法面临两个主要挑战：1) CT物理几何未有效纳入MAR过程以确保数据保真度；2) 传统启发式正则化项无法充分捕获丰富的先验知识。为克服这些不足，我们提出了扩散模型正则化隐式神经表示框架用于MAR。隐式神经表示整合物理约束并施加数据保真度，而预训练的扩散模型提供先验知识以正则化解。在模拟数据和临床数据上的实验结果证明了该方法的有效性和泛化能力，突出了其在临床环境中应用的潜力。
引用
@article{arxiv.2512.08999,
title = {Diffusion Model Regularized Implicit Neural Representation for CT Metal Artifact Reduction},
author = {Jie Wen and Chenhe Du and Xiao Wang and Yuyao Zhang},
journal= {arXiv preprint arXiv:2512.08999},
year = {2025}
}