MedNeRF：用于从单张X射线重建三维感知CT投影的医学神经辐射场
图像与视频处理
2022-04-11 v3 计算机视觉与模式识别
摘要
计算机断层扫描（CT）是一种有效的医学成像方式，广泛用于临床医学领域以诊断各种病症。多层探测器CT成像技术的进展已实现了附加功能，包括生成薄层多平面横截面体成像和三维重建。然而，这涉及患者暴露于相当剂量的电离辐射。过量的电离辐射可对机体造成确定性的有害效应。本文提出一种深度学习模型，学习从少量甚至单视角X射线重建CT投影。其基于一种从神经辐射场发展而来的新颖架构，该架构通过从2D图像中解耦表面与内部解剖结构的形状和体积深度，学习CT扫描的连续表示。我们的模型在胸部和膝盖数据集上训练，并展示了定性与定量的高保真绘制结果，且将我们的方法与其它近期基于辐射场的方法进行比较。我们的代码及数据集链接可在 https://github.com/abrilcf/mednerf 获取。
引用
@article{arxiv.2202.01020,
title = {MedNeRF: Medical Neural Radiance Fields for Reconstructing 3D-aware CT-Projections from a Single X-ray},
author = {Abril Corona-Figueroa and Jonathan Frawley and Sam Bond-Taylor and Sarath Bethapudi and Hubert P. H. Shum and Chris G. Willcocks},
journal= {arXiv preprint arXiv:2202.01020},
year = {2022}
}
备注
6 pages, 4 figures, accepted at IEEE EMBC 2022