EPC-3D-Diff: 基于等变物理一致性的三维 CBCT 到 CT 条件潜扩散
计算机视觉与模式识别
2026-05-21 v1 人工智能
医学物理
摘要
锥束 CT (CBCT) 在放射治疗患者定位中常被获取，但其因散射、噪声和重建伪影导致的定量可靠性受到限制，影响 Hounsfield 单元 (HU) 准确性。我们提出 EPC-3D-Diff，一种 novel 的三维条件潜扩框架，用于 CBCT 到 CT 体数据合成，引入源自获取物理的投影域等变损失。不同于常用的图像域等变，我们利用体在平面内旋转对应于其投影的角度偏移这一事实。在训练过程中，我们通过对旋转后的合成 CT 体进行前向投影，并将其匹配到对应的目标 CT 投影的适当角度偏移，从而实现物理一致性等变约束，集成到扩散目标函数中。为高效捕获完整三维上下文，条件扩散在由轻量级三维自编码器学习的紧凑潜空间中进行，保留轴向深度同时对平面分辨率下采样以实现稳定训练。我们在包含重复扫描和配对临床数据的伴随头部 CBCT/CT 幻像数据集上进行验证，采用患者级别的划分进行单域和混合域训练，进行消融实验并与扩散方法和 CycleGAN 进行比较。EPC-3D-Diff 泛化性良好，相较于最先进方法在 PSNR 上分别提升 +7.4 dB（幻像）和 +1.8 dB（临床数据），同时改善 SSIM 和 HU 精度，尤其在组织边界内。总体而言，EPC-3D-Diff 提升了鲁棒性和物理一致性，支持 HU 感知合成以适应下游放射治疗工作流程。
关键词
引用
@article{arxiv.2605.20470,
title = {EPC-3D-Diff: Equivariant Physics Consistent Conditional 3D Latent Diffusion for CBCT to CT Synthesis},
author = {Alzahra Altalib and Chunhui Li and Haytham Al Ewaidat and Khaled Alawneh and Ahmad Qendel and Alessandro Perelli},
journal= {arXiv preprint arXiv:2605.20470},
year = {2026}
}
备注
10 pages, 4 figures