基于双视图定位片的解剖结构引导CT重建用于前瞻性风险最小化
图像与视频处理
2024-01-24 v1 计算机视觉与模式识别
摘要
为便于前瞻性估计CT有效剂量和风险最小化过程，需要前瞻性空间剂量估计和已知的解剖结构。为此，需要一种CT重建方法，能够从尽可能少的投影（即利用定位片）重建CT体积，并尽可能保证解剖结构的正确性。本文提出一种基于生成对抗网络（GAN）的优化CT重建模型。该GAN经过训练，可从一张前后位和一张侧位CT投影重建3D体积。为增强解剖结构，在训练阶段应用了预训练的器官分割网络和3D感知损失，使模型能够同时生成器官增强的CT体积和器官分割掩膜。所提方法重建的CT体积PSNR为26.49，RMSE为196.17，SSIM为0.64，而基线方法分别为26.21、201.55和0.63。在解剖结构方面，所提方法有效增强了器官形状和边界，并允许直接识别相关解剖结构。我们注意到，传统的重建指标未能反映解剖结构的增强。除这些指标外，评估还扩展至评估器官分割性能。所提方法的平均器官Dice系数为0.71，而基线模型为0.63，表明解剖结构得到了增强。
引用
@article{arxiv.2401.12725,
title = {Two-View Topogram-Based Anatomy-Guided CT Reconstruction for Prospective Risk Minimization},
author = {Chang Liu and Laura Klein and Yixing Huang and Edith Baader and Michael Lell and Marc Kachelrieß and Andreas Maier},
journal= {arXiv preprint arXiv:2401.12725},
year = {2024}
}