GaSpCT：用于 CT 新投影视图合成的 Gaussian Splatting

我们提出了 GaSpCT，一种用于生成计算机断层扫描（CT）新投影视图的新视图合成与 3D 场景表示方法。我们调整了 Gaussian Splatting 框架，以基于有限的 2D 图像投影集实现 CT 中的新视图合成，且无需运动恢复结构（SfM）方法。因此，我们减少了总扫描持续时间以及患者在扫描期间接受的辐射剂量。我们通过使用两种稀疏性促进正则化项（beta 损失和总变分（TV）损失）来增强前景与背景的区分度，从而使损失函数适应我们的用例。最后，我们利用视野内大脑预期位置的均匀先验分布，在 3D 空间中初始化高斯位置。我们使用来自帕金森病进展标志物倡议（PPMI）数据集的脑部 CT 扫描评估了模型的性能，并证明渲染出的新视图与模拟扫描的原始投影视图高度匹配，且性能优于其他隐式 3D 场景表示方法。此外，与基于神经网络的稀疏视图 CT 图像重建图像合成相比，我们凭经验观察到训练时间有所减少。最后，与等效的体素网格图像表示相比，Gaussian Splatting 表示的内存需求降低了 17%。