FSP-Diff：全光谱先验增强的双域潜扩散用于超低剂量能谱CT重建
计算机视觉与模式识别
2026-02-10 v1
摘要
使用光子计数探测器的能谱计算机断层扫描（CT）在材料区分和组织表征方面具有巨大潜力。然而，在超低剂量条件下，能量特定投影中急剧下降的信噪比（SNR）带来了重大挑战，导致重建图像中出现严重伪影和结构细节丢失。为了解决这个问题，我们提出了 FSP-Diff，一个全光谱先验增强的双域潜扩散框架，用于超低剂量能谱 CT 重建。我们的框架整合了三个核心策略：1）互补特征构建：我们将直接图像重建与投影域去噪结果相结合。前者在强噪声中保留了潜在的纹理细节，而后者则提供了稳定的结构支架，以平衡细节保真度和噪声抑制。2）全光谱先验整合：通过将多能量投影融合成高 SNR 的全光谱图像，我们建立了一个统一的结构参考，指导所有能量区间的重建。3）高效潜扩散合成：为了减轻高维能谱数据的高计算负担，多路径特征被嵌入到一个紧凑的潜空间中。这使得扩散过程能够在低维流形中促进交互式特征融合，在保持精细细节恢复的同时实现加速重建。在模拟和真实世界数据集上的大量实验表明，FSP-Diff 在图像质量和计算效率方面均显著优于最先进的方法，突显了其在临床可行的超低剂量能谱 CT 成像方面的潜力。
引用
@article{arxiv.2602.07979,
title = {FSP-Diff: Full-Spectrum Prior-Enhanced DualDomain Latent Diffusion for Ultra-Low-Dose Spectral CT Reconstruction},
author = {Peng Peng and Xinrui Zhang and Junlin Wang and Lei Li and Shaoyu Wang and Qiegen Liu},
journal= {arXiv preprint arXiv:2602.07979},
year = {2026}
}