通过双域嵌入扩散先验的无监督 CT 金属伪影抑制
图像与视频处理
2024-01-08 v2 计算机视觉与模式识别
摘要
在计算机断层扫描 (CT) 过程中，金属植入物常导致重建图像中出现破坏性伪影，阻碍准确诊断。已有若干基于监督深度学习的方法被提出用于金属伪影抑制 (MAR)。然而，这些方法严重依赖模拟数据训练，因为在临床环境中获取成对的金属伪影 CT 与干净 CT 数据具有挑战性。这一局限会导致这些方法在临床应用中性能下降。现有的无监督 MAR 方法，无论是否基于学习，通常仅在单一域中操作，要么在图像域要么在正弦图域。本文中，我们提出一种基于扩散模型的无监督 MAR 方法，扩散模型是一种具有高度数据分布表征能力的生成模型。具体而言，我们首先使用无金属伪影的 CT 图像训练扩散模型。随后，我们在正弦图域和图像域中迭代利用预训练扩散模型内嵌的先验来恢复由金属伪影导致的退化部分。这种双域处理使我们的方法优于现有无监督 MAR 方法，包括另一种基于扩散模型的 MAR 方法，我们已在合成数据集上进行了定性与定量验证。此外，我们的方法在临床数据集上相比监督与无监督方法均展现出更优的视觉结果。
引用
@article{arxiv.2308.16742,
title = {Unsupervised CT Metal Artifact Reduction by Plugging Diffusion Priors in Dual Domains},
author = {Xuan Liu and Yaoqin Xie and Songhui Diao and Shan Tan and Xiaokun Liang},
journal= {arXiv preprint arXiv:2308.16742},
year = {2024}
}