利用含辅助信息的 U-Net 架构在不同视野设置下进行 CBCT 散射校正
信号处理
2024-05-24 v1
摘要
锥形束计算机断层扫描（CBCT）已成为多种医疗领域至关重要的成像技术，但散射伪影是 CBCT 扫描的主要局限。使用大型平板二维探测器加剧了这一挑战。随着扫描视野（FOV）尺寸的增大，散射与初级辐射之比显著增加。几种深度学习方法，特别是 U-Net 架构，在直接从 CBCT 投影估计散射方面显示出 promising 的能力。然而，不同 FOV 尺寸对这些深度学习模型的影响尚未得到探索。拥有一个用于不同 FOV 投影散射估计的单一神经网络对于实际临床应用具有重要意义。本研究旨在在具有不同 FOV 尺寸的模拟数据集上训练并评估 U-Net 网络的性能。我们进一步提出了一种新方法（Aux-Net），通过向 U-Net 编码器提供辅助信息（如 FOV 尺寸）来实现。我们在 30 种不同的 FOV 尺寸上验证了该方法，并将其与 U-Net 进行了比较。我们的研究表明，向网络提供辅助信息增强了 U-Net 的泛化能力。我们的发现表明，这种新颖方法优于基线 U-Net，朝着在采用 CBCT 系统扫描广泛 FOV 的实际临床环境中的应用迈出了重要一步。
引用
@article{arxiv.2402.17397,
title = {Utilizing U-Net Architectures with Auxiliary Information for Scatter Correction in CBCT Across Different Field-of-View Settings},
author = {Harshit Agrawal and Ari Hietanen and Simo Särkkä},
journal= {arXiv preprint arXiv:2402.17397},
year = {2024}
}