面向可泛化牙科CBCT金属伪影减少的物理约束流形投影模型
计算机视觉与模式识别
2026-01-05 v2
摘要
牙科CBCT中的金属伪影严重模糊了解剖结构，阻碍了诊断。当前用于金属伪影减少（MAR）的深度学习面临局限性：监督方法因“均值回归”而遭受光谱模糊，而无监督方法则存在结构幻觉的风险。去噪扩散概率模型（DDPM）提供了真实性，但依赖于缓慢的随机迭代采样，不适合临床应用。为了解决这个问题，我们提出了物理约束流形投影（PGMP）框架。首先，我们的解剖自适应物理模拟（AAPS）流程通过蒙特卡洛光谱建模和患者特异性数字孪生合成高保真训练对，弥合了合成到真实的差距。其次，我们的DMP-Former采用了直接x预测范式，将恢复重新表述为确定性流形投影，以在单次前向传播中恢复干净的解剖结构，消除了随机采样。最后，语义-结构对齐（SSA）模块利用医学基础模型（MedDINOv3）的先验知识来锚定解，确保了临床合理性。在合成和多中心临床数据集上的实验表明，PGMP在未见过的解剖结构上优于最先进的方法，在效率和诊断可靠性方面树立了新的基准。代码和数据：https://github.com/ricoleehduu/PGMP。
引用
@article{arxiv.2512.24260,
title = {Physically-Grounded Manifold Projection Model for Generalizable Metal Artifact Reduction in Dental CBCT},
author = {Zhi Li and Yaqi Wang and Bingtao Ma and Yifan Zhang and Huiyu Zhou and Shuai Wang},
journal= {arXiv preprint arXiv:2512.24260},
year = {2026}
}
备注
This manuscript has been submitted to Medical Image Analysis for peer review