通过从有限 2D 切片生成 3D CT 体积实现稳健的体成分分析
计算机视觉与模式识别
2025-01-23 v1 图像与视频处理
摘要
体成分分析为理解衰老、疾病进程及整体健康状况提供了有价值的见解。由于对辐射暴露的担忧，二维（2D）单切片计算机断层扫描（CT）成像已被重复用于体成分分析。然而，这种方法引入了显著的空间变异性，这可能影响分析的准确性和稳健性。为缓解此问题并促进体成分分析，本文提出了一种新方法，通过潜在扩散模型（latent diffusion model, LDM）从有限数量的 2D 切片生成 3D CT 体积。我们的 方法首先将 2D 切片映射到潜在表示空间，使用变分自编码器（variational autoencoder, VAE）。然后对这些潜在表示的堆叠进行训练，以捕捉 3D 上下文。为准确插值中间切片并构建完整的 3D 体积，我们利用身体部位回归来确定获取的切片之间的空间位置和距离。在两个数据集上的实验——包括本机数据和公共 3D 腹部 CT 数据集——表明，所提方法显著优于传统 2D 基于方法，使体成分分析效果得到显著提升，错误率从 23.3% 降低到 15.2%。
引用
@article{arxiv.2501.13071,
title = {Robust Body Composition Analysis by Generating 3D CT Volumes from Limited 2D Slices},
author = {Lianrui Zuo and Xin Yu and Dingjie Su and Kaiwen Xu and Aravind R. Krishnan and Yihao Liu and Shunxing Bao and Fabien Maldonado and Luigi Ferrucci and Bennett A. Landman},
journal= {arXiv preprint arXiv:2501.13071},
year = {2025}
}