用于 CT 金属伪影去除的无监督多色神经表示
图像与视频处理
2023-10-03 v2 人工智能
计算机视觉与模式识别
摘要
基于断层成像的新兴神经重建技术（如 NeRF、NeAT 和 NeRP）已开始展现其在医学成像中的独特能力。在本工作中，我们提出一种新颖的多色神经表示（Polyner）来解决人体存在金属植入物时 CT 成像这一具有挑战性的问题。CT 金属伪影源于金属在 X 射线谱不同能级下衰减系数的剧烈变化，导致 CT 测量中出现非线性金属效应。因此，从受金属影响的测量中恢复 CT 图像构成一个复杂的非线性反问题，而先前金属伪影去除（MAR）方法所采用的经验模型会导致信号丢失和强混叠重建。Polyner 则从非线性反问题的角度对 MAR 问题进行建模。具体而言，我们首先推导出一个多色前向模型以精确模拟非线性 CT 采集过程。然后，我们将该前向模型纳入隐式神经表示以完成重建。最后，我们采用正则化项在不同能级下保持 CT 图像的物理特性，同时有效约束解空间。我们的 Polyner 是一种无监督方法，不需要任何外部训练数据。在多个数据集上的实验表明，我们的 Polyner 在域内数据集上取得与有监督方法相当或更好的性能，同时在域外数据集上展现出显著的性能提升。据我们所知，我们的 Polyner 是首个优于其有监督对应方法的无监督 MAR 方法。本工作的代码可在 https://github.com/iwuqing/Polyner 获取。
引用
@article{arxiv.2306.15203,
title = {Unsupervised Polychromatic Neural Representation for CT Metal Artifact Reduction},
author = {Qing Wu and Lixuan Chen and Ce Wang and Hongjiang Wei and S. Kevin Zhou and Jingyi Yu and Yuyao Zhang},
journal= {arXiv preprint arXiv:2306.15203},
year = {2023}
}
备注
Accepted by NeurIPS 2023