用于条件锥束神经断层成像的神经调制场
图像与视频处理
2023-07-18 v1 计算机视觉与模式识别
摘要
传统计算机断层扫描（CT）方法需要大量无噪声投影以实现精确密度重建，限制了其在更复杂的锥束几何 CT（CBCT）重建类问题上的适用性。近来，人们提出深度学习方法以克服这些局限，其中基于神经场（NF）的方法通过以空间连续坐标神经网络逼近重建密度而展现出强劲性能。我们的重点在于改进此类方法，然而与以往针对每组新投影从头训练 NF 的工作不同，我们提出通过在投影数据集上训练单一条件 NF 来利用不同扫描间的解剖一致性。我们提出一种新颖的条件化方法，其中每个患者的局部调制被建模为通过神经调制场（NMF）作用于输入域上的场。所得的条件锥束神经断层成像（CondCBNT）在无噪声与含噪声数据上、无论可用投影数量多寡均展现出更优性能。
引用
@article{arxiv.2307.08351,
title = {Neural Modulation Fields for Conditional Cone Beam Neural Tomography},
author = {Samuele Papa and David M. Knigge and Riccardo Valperga and Nikita Moriakov and Miltos Kofinas and Jan-Jakob Sonke and Efstratios Gavves},
journal= {arXiv preprint arXiv:2307.08351},
year = {2023}
}