Tomo-center：用于同步辐射微米和纳米断层扫描的基于AI的旋转轴中心查找器
图像与视频处理
2026-07-10 v1
摘要
旋转轴位置的精确确定是平行束同步辐射显微断层扫描中无伪影重建的先决条件。传统方法如Vo方法依赖于正弦图的特征，这些特征对于低对比度或弱吸收样本可能失效。我们提出了一种基于学习的方法，将中心选择视为二元分类问题，使用DINOv2预训练的视觉变换器，结合基于注意力的多实例学习，并在断层图像上进行端到端微调。在推理时，所提出的算法应用于在一系列候选中心处重建的断层扫描图堆栈，以选择最佳重建中心。我们在两个独立数据源上测试了所提出方法的估计精度，并始终实现了低于1像素的平均绝对误差。我们还使用相同数据集测试了该方法对稀疏或有噪声采集的鲁棒性，并证明了当投影数量减少多达10倍或将底层泊松噪声的空白扫描因子增加到10时，性能保持一致。我们还通过绘制连续空间特征对整体分类任务的相对贡献，展示了所提出方法的可解释性。该方法作为开源命令行工具tomo-center提供，已集成到多个断层扫描软件包中，以在常规光束线操作期间辅助实验。
引用
@article{arxiv.2607.09916,
title = {Tomo-center: an AI-based rotation-axis center finder for synchrotron micro- and nano-tomography},
author = {Songyuan Tang and Xiaoyang Liu and Viktor Nikitin and Alberto Mittone and Samuel J. Clark and Francesco De Carlo},
journal= {arXiv preprint arXiv:2607.09916},
year = {2026}
}