基于展开网络与合成数据训练的计算机断层扫描低性能像素校正
计算机视觉与模式识别
2026-01-30 v1
摘要
计算机断层扫描（CT）探测器中的低性能像素（LPP）会导致重建图像中出现环状和条状伪影，使其在临床上无法使用。近年来，已有多种解决方案被提出用于校正LPP伪影，这些方法或在图像域、或在正弦图域使用监督深度学习方法。然而，这些方法需要专门的数据集进行训练，而收集这些数据集的成本高昂。此外，现有方法仅专注于图像空间或正弦图空间的校正，忽略了CT几何前向操作的内在相关性。本文提出了一种基于合成数据的展开双域方法来校正LPP伪影。具体而言，通过从自然图像生成的合成数据，利用正弦图域和图像域之间LPP的内在相关性，使训练后的模型无需任何真实临床数据即可校正伪影。在模拟探测器近等中心处1-2%缺陷的实验中，所提方法以较大优势优于现有最先进方法。结果表明，我们的解决方案可以在无需为模型训练收集数据的情况下校正LPP伪影，并且能够适应不同的扫描仪设置，适用于基于软件的应用。
引用
@article{arxiv.2601.20995,
title = {Low performing pixel correction in computed tomography with unrolled network and synthetic data training},
author = {Hongxu Yang and Levente Lippenszky and Edina Timko and Lehel Ferenczi and Gopal Avinash},
journal= {arXiv preprint arXiv:2601.20995},
year = {2026}
}
备注
ISBI 2026 accepted