面向稀疏视图断层重建的频率正则化神经表示方法
图像与视频处理
2024-09-24 v1 计算机视觉与模式识别
摘要
稀疏视图断层重建是降低辐射剂量和增强临床适用性的关键方向。尽管许多研究工作提出了从稀疏二维投影重建断层图像的方法，但现有模型往往过度关注高频信息，而忽略了稀疏输入图像中的低频成分。这种对高频信息的偏好通常会导致过拟合，在重建切片的边缘和边界处尤为强烈。在本文中，我们引入了频率正则化神经衰减/活动场（Freq-NAF），用于自监督的稀疏视图断层重建。Freq-NAF 通过引入频率正则化来缓解过拟合，直接控制神经网络输入中的可见频带。该方法有效地平衡了高频与低频信息。我们在 CBCT 和 SPECT 数据集上进行了数值实验，结果表明我们的方法具有 SOTA 的准确度。
引用
@article{arxiv.2409.14394,
title = {Frequency-regularized Neural Representation Method for Sparse-view Tomographic Reconstruction},
author = {Jingmou Xian and Jian Zhu and Haolin Liao and Si Li},
journal= {arXiv preprint arXiv:2409.14394},
year = {2024}
}
备注
6 pages,5 figures,Accepted to ICME 2024