DuoLift-GAN：基于生成对抗网络的单视角和双视角X射线CT重建
图像与视频处理
2024-12-12 v2 人工智能
计算机视觉与模式识别
摘要
CT提供高度详细的三维（3D）医学影像，但在内科手术场景下成本高、耗时且常不可及（组织等，2011）。近期研究探索了从稀疏二维X射线（如单视角或正交双视角图像）重建3D胸部体积。然而，现有模型倾向于以平面方式处理二维图像，强调视觉逼真度而非结构准确性。本文引入DuoLift生成对抗网络（DuoLift-GAN）， novel 架构包含双分支，分别独立地将二维图像及其特征提升至3D表示。这些3D输出被合并为统一的3D特征图，并解码为完整的3D胸部体积，从而实现更丰富的3D信息捕获。我们还提出一种掩码损失函数，引导重建聚焦于关键解剖区域，提高结构准确性和视觉质量。本文表明，DuoLift-GAN在重建准确性和视觉逼真度方面均显著优于现有方法。
引用
@article{arxiv.2411.07941,
title = {DuoLift-GAN:Reconstructing CT from Single-view and Biplanar X-Rays with Generative Adversarial Networks},
author = {Zhaoxi Zhang and Yueliang Ying},
journal= {arXiv preprint arXiv:2411.07941},
year = {2024}
}
备注
9 pages, LaTeX; removed the superscript numbers associated with the authors' names for clarity, typos corrected