通过学习潜在空间对齐减少CT金属伪影：基于石英石光谱成像数据
计算机视觉与模式识别
2025-03-28 v1
摘要
CT切片中的金属伪影长期以来一直是医学诊断中的挑战。这些伪影会降低图像质量，导致可视化次优，并 complicate 对金属植入物相邻组织的准确解释。为解决这些问题，我们引入了潜在石英石光谱成像（Latent Gemstone Spectral Imaging, GSI）对齐框架，有效减少金属伪影，同时避免引入噪声信息。我们的工作基于一个关键发现：即使是受金属伪影影响的普通CT序列也包含足够的信息来辨别详细结构。挑战在于无法清晰地表示这些信息。为解决此问题，我们开发了一个对齐框架，该框架调整普通CT图像的表示以匹配GSI CT序列。GSI是一种使用多个能量水平来减轻由金属植入物引起的伪影的先进成像技术。通过对齐以GSI数据为参考的表示，我们可以在不引入额外信息的情况下有效抑制金属伪影，清晰显示详细结构。为便于实际应用，我们提出了一个新数据集Artifacts-GSI，该数据集来自具有金属植入物的真实患者，建立了一个基于该数据集的新基准。实验结果表明，我们的方法显著减少金属伪影，大大提高了CT切片的可读性。我们的所有代码和数据均可用：https://um-lab.github.io/GSI-MAR/
引用
@article{arxiv.2503.21259,
title = {Reducing CT Metal Artifacts by Learning Latent Space Alignment with Gemstone Spectral Imaging Data},
author = {Wencheng Han and Dongqian Guo and Xiao Chen and Pang Lyu and Yi Jin and Jianbing Shen},
journal= {arXiv preprint arXiv:2503.21259},
year = {2025}
}