GraphMAR：面向空间自适应CT金属伪影消除的几何感知图学习框架
计算机视觉与模式识别
2026-05-19 v1
摘要
CT金属伪影消除（MAR）旨在减少由金属植入物及其他高密度物体引起的严重 streak 痕迹。有效的MAR通常需要精准的伪影定位和伪影消除。Sinogram域方法可利用金属痕迹等显式几何线索识别金属破坏的测量值，却需要原始投影数据，而临床和实际场景中常不可得。Image域方法更灵活，应用更广泛，但通常缺乏相当的几何指导，限制了其定位伪影的能力，导致结果次优。为此，我们提出GraphMAR，一个几何感知学习框架，用于显式伪影识别和空间自适应MAR。关键思想是将基于图的几何建模引入image域，作为sinogram金属痕迹的类比物。具体而言，我们首先根据金属掩码构建几何图，并推导出几何密度图，对根据植入物间几何关系粗略定位易产生伪影的区域。随后，我们设计GraphMoE，一种图路由混合专家模块，在特征空间中构建极坐标伪影图，并对不同空间区域自适应路由不同专家以进行MAR。通过将所学路由图与几何密度图对齐，GraphMAR提供了显式可解释的伪影定位，同时实现区域自适应伪影消除。在模拟数据和真实数据上的实验表明，GraphMAR在MAR性能上优于现有方法。据我们所知，这是首个引入图建模用于CT MAR的工作，首次实现image域的显式伪影识别，提升了恢复质量和可解释性。
引用
@article{arxiv.2605.17343,
title = {GraphMAR: Geometry-Aware Graph Learning Framework for Spatially Adaptive CT Metal Artifact Reduction},
author = {Zilong Li and Chenglong Ma and Yiming Lei and Yuanlin Li and Jing Han and Jiannan Liu and Huidong Xie and Junping Zhang and Yi Zhang and Hongming Shan},
journal= {arXiv preprint arXiv:2605.17343},
year = {2026}
}