用于组织引导神经断层扫描的强度场分解
图像与视频处理
2024-11-05 v1 计算机视觉与模式识别
摘要
锥束计算机断层扫描 (CBCT) 通常需要数百个 X 射线投影，引发辐射剂量担忧。稀疏视角重建虽通过减少投影降低剂量，但难以获得满意图像质量。为应对这一挑战，本文提出一种新颖的稀疏视角 CBCT 重建方法，赋予神经场人体组织正则化。该方法称为组织引导神经断层扫描 (TNT)，动机源于 CBCT 中骨骼与软组织的显著强度差异。直观上，分离这些成分有助于神经场的学习过程。更精确地说，TNT 包含一个异构四重网络及相应训练策略。网络将强度场表示为软硬组织成分及其各自纹理的组合。利用估计的组织投影指导网络训练，使网络头高效学习期望模式。大量实验表明，该方法在 10 到 60 个投影的有限范围内显著改善稀疏视角 CBCT 重建。与基于神经渲染的最先进方法相比，本方法以更少投影达到可比重建质量并实现更快收敛。
引用
@article{arxiv.2411.00900,
title = {Intensity Field Decomposition for Tissue-Guided Neural Tomography},
author = {Meng-Xun Li and Jin-Gang Yu and Yuan Gao and Cui Huang and Gui-Song Xia},
journal= {arXiv preprint arXiv:2411.00900},
year = {2024}
}