通过正弦图外推改善有限角度CT重建的泛化性
图像与视频处理
2021-11-18 v4 计算机视觉与模式识别
摘要
由有限角度范围内获取的X射线投影进行计算机断层扫描（CT）重建具有挑战性，尤其在角度范围极小时。解析与迭代模型均需更多投影以进行有效建模。深度学习方法因其优异的重建性能而日益普及，但此类成功主要局限于同一数据集内，难以泛化至具有不同分布的数据集。为此，我们提出ExtraPolationNetwork用于有限角度CT重建，其通过引入理论上合理的正弦图外推模块实现。该模块补充了额外的正弦图信息并提升了模型泛化性。大量实验结果表明，我们的重建模型在NIH-AAPM数据集上取得了与现有方法相当的state-of-the-art性能。更重要的是，我们表明与现有方法相比，使用该正弦图外推模块显著提升了模型在 unseen 数据集（如COVID-19与LIDC数据集）上的泛化能力。
引用
@article{arxiv.2103.05255,
title = {Improving Generalizability in Limited-Angle CT Reconstruction with Sinogram Extrapolation},
author = {Ce Wang and Haimiao Zhang and Qian Li and Kun Shang and Yuanyuan Lyu and Bin Dong and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2103.05255},
year = {2021}
}