NeRF-CA：基于极稀疏视角的 X 射线冠状动脉造影动态重建
图像与视频处理
2025-06-12 v2 计算机视觉与模式识别
摘要
从二维 X 射线冠状动脉造影（CA）进行三维（4D）重建仍是一个重要的临床问题。现有的 CA 重建方法通常需要大量用户交互或大量训练数据集。最近，神经辐射场（NeRF）已成功在自然场景和医学场景中进行高保真场景重建，无需这些要求。然而，稀疏视角、扫描内运动和复杂血管形态等挑战阻碍了其直接应用于 CA 数据。我们引入 NeRF-CA，作为实现从稀疏冠状动脉造影grams中进行 4D CA 重建的首个步骤。据我们所知，我们是首次解决稀疏视角和心脏运动问题的，方法通过将场景解耦为移动冠状动脉和静止背景，实际上将运动问题转化为优势。NeRF-CA 作为解决 4D CA 重建问题的第一步，实现了如临床实践所需的仅从四个造影grams中进行充分的 4D 重建，同时显著优于领先的稀疏视角 X 射线 NeRF 方法。我们使用代表性 4D 幻像数据集和消失实验对我们的方案进行了定性和定量验证。为加速该领域的研究，我们将代码公开：https://github.com/kirstenmaas/NeRF-CA。
引用
@article{arxiv.2408.16355,
title = {NeRF-CA: Dynamic Reconstruction of X-ray Coronary Angiography with Extremely Sparse-views},
author = {Kirsten W. H. Maas and Danny Ruijters and Anna Vilanova and Nicola Pezzotti},
journal= {arXiv preprint arXiv:2408.16355},
year = {2025}
}