学习避免劣质图像：面向任务感知的C臂锥束CT轨迹
图像与视频处理
2019-09-20 v1 计算机视觉与模式识别
机器学习
摘要
计算机断层扫描（CT）中的金属伪影源于图像形成物理与断层重建中理想化假设之间的不匹配。这些伪影在金属植入物周围尤其严重，阻碍了3D锥束CT（CBCT）的广泛采用，尽管其在术中验证植入物位置（如脊柱融合手术）方面有明显优势。在合成与真实数据上，我们证明通过以任务感知且患者特定的方式获取更优重建数据，可避免大部分伪影，并描述了迈向所设想的任务感知CBCT协议的第一步。传统的短扫描CBCT轨迹是平面的，几乎没有针对场景进行调整的空间。我们通过自主调整面外角（out-of-plane angulation）来扩展该轨迹。这使得C臂源轨迹具有场景特定性，可避免获取以束硬化、光子饥饿和噪声为特征的“劣质图像”。理想面外角的推荐通过使用深度卷积神经网络即时执行，该网络回归由成像物理导出的可检测性排序（detectability-rank）。
引用
@article{arxiv.1909.08868,
title = {Learning to Avoid Poor Images: Towards Task-aware C-arm Cone-beam CT Trajectories},
author = {Jan-Nico Zaech and Cong Gao and Bastian Bier and Russell Taylor and Andreas Maier and Nassir Navab and Mathias Unberath},
journal= {arXiv preprint arXiv:1909.08868},
year = {2019}
}
备注
Accepted for oral presentation at the International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) 2019