TPG-INR：基于目标先验引导的稀疏视角3D CT隐式重建
计算机视觉与模式识别
2025-12-18 v2
摘要
X射线成像基于穿透原理，能够实现对内部结构的细致可视化。基于此能力，现有的隐式3D重建方法已针对内部CT重建采用NeRF模型及其变体。然而，这些方法常常忽视了对象解剖先验对隐式学习的重要性，限制了重建精度和学习效率，尤其在极稀疏视角场景中尤为明显。为此，我们提出一种新型3D CT重建框架，采用由对象投影数据派生的"目标先验"来增强隐式学习。该方法集成位置编码与结构编码，以促进基于体素的隐式重建，利用目标先验引导体素采样并丰富结构编码。这种双重策略显著提升了学习效率和重建质量。此外，我们引入基于CUDA的算法，用于快速估计稀疏视角投影数据的高质量3D目标先验。实验采用复杂腹部数据集的投影数据，表明所提模型在学习效率上显著提升，相较于当前领先模型NAF提升一个数量级。在重建质量方面，它还超越了最精确的模型NeRP，分别在10、20和30个投影视图下实现PSNR提升3.57 dB、5.42 dB和5.70 dB。代码已公开于https://github.com/qlcao171/TPG-INR。
引用
@article{arxiv.2511.18806,
title = {TPG-INR: Target Prior-Guided Implicit 3D CT Reconstruction for Enhanced Sparse-view Imaging},
author = {Qinglei Cao and Ziyao Tang and Xiaoqin Tang},
journal= {arXiv preprint arXiv:2511.18806},
year = {2025}
}
备注
We are withdrawing to restructure and refine the research plan to enhance its systematic rigor, completeness, and overall depth