ResDynUNet++：用于双谱CT的残差动态卷积块嵌套U-Net
计算机视觉与模式识别
2025-12-19 v1 医学物理
摘要
我们提出一种用于双谱CT(DSCT)的混合重建框架，将迭代方法与深度学习模型相结合。重建过程由两个互补组成部分构成：知识驱动模块和数据驱动模块。在知识驱动阶段，我们采用斜率投影修改技术(OPMT)从投影数据重建基材料图像的中间解。我们选择OPMT作为此角色是因为其快速收敛，使其能够快速生成一个成功实现基材料分解的中间解。随后，在数据驱动阶段，我们引入一种新型神经网络ResDynUNet++来细化这个中间解。ResDynUNet++建立在UNet++主干架构之上，通过将标准卷积替换为残差动态卷积块，这些块结合了动态卷积的自适应、输入特定的特征提取与残差连接的稳定训练。该架构旨在解决DSCT中常见的通道不平衡和近界面大型失真问题，产生干净准确的最终解决方案。在大量的合成幽灵和真实临床数据集上的实验表明，所提出的方法在有效性和卓越性能方面均得到了验证。
引用
@article{arxiv.2512.16140,
title = {ResDynUNet++: A nested U-Net with residual dynamic convolution blocks for dual-spectral CT},
author = {Ze Yuan and Wenbin Li and Shusen Zhao},
journal= {arXiv preprint arXiv:2512.16140},
year = {2025}
}