基于反向错位INR并对diffeomorphism进行正则化的非周期动态CT重建 (BIRD)
计算机视觉与模式识别
2025-05-07 v1 医学物理
摘要
动态CT重建面临诸多挑战，尤其针对非周期性快速运动（如心脏低速），传统方法难以处理极端有限角度问题。深度学习方法虽提升性能，但仍面临泛化挑战。近期隐式神经表示(INR)技术通过自监督深度学习展现潜力，但存在计算效率低（因正向错位建模）、DVF复杂性与解剖学合理性难以平衡、细节保留需额外患者特定预扫描等关键局限。本文提出新型INR框架BIRD，用于非周期动态CT重建。通过四大关键贡献实现：(1)反向错位变形，使每个动态体素可直接计算且计算成本显著降低；(2)diffeomorphism基于DVF的正则化，确保解剖学合理变形且保持表征能力；(3)运动补偿解析重建，无需额外预扫描即可增强细节；(4)维度降低设计，提高4D坐标编码效率。通过多项仿真与实际研究，包括数字与物理假象及回顾性患者数据，我们证明该方法在非周期动态CT重建中有效提升细节并降低运动伪影。该框架有望用于一拍心脏重建、功能成像的电影序列制作，以及常规CT扫描的运动伪影降低。
引用
@article{arxiv.2505.03463,
title = {Nonperiodic dynamic CT reconstruction using backward-warping INR with regularization of diffeomorphism (BIRD)},
author = {Muge Du and Zhuozhao Zheng and Wenying Wang and Guotao Quan and Wuliang Shi and Le Shen and Li Zhang and Liang Li and Yinong Liu and Yuxiang Xing},
journal= {arXiv preprint arXiv:2505.03463},
year = {2025}
}