X$^2$-Gaussian：用于连续时间体素重建的 4D 辐射高斯 Splatting
计算机视觉与模式识别
2025-10-20 v2
摘要
四维 CT（4D CT）重建对于捕捉动态解剖变化至关重要，但面临来自常规相位分箱工作流程的固有限制。当前方法将时间分辨率离散化为固定相位，并借助呼吸门控设备，引入运动错位并限制临床实用性。在本文中，我们提出 X-Gaussian，一种新框架，通过集成动态辐射高斯 Splatting 与自监督呼吸运动学习，实现连续时间 4D-CT 重建。我们的 approach 通过时空编码-解码架构建模解剖动态，预测随时间变化的高斯变形，消除相位离散化。为摆脱外部门控设备依赖，我们引入基于生理学的周期一致性损失，直接从投影图通过可微分优化学习患者特定的呼吸循环。广泛的实验表明，方法在性能上实现了业界领先水平，相对于传统方法实现 9.93 dB 的 PSNR 提升，相对于先前的高斯 Splatting 技术提升 2.25 dB。通过将连续运动建模与硬件无关的周期学习统一，X-Gaussian 为动态临床成像实现了高保真 4D CT 重建。代码公开于：https://x2-gaussian.github.io/。
引用
@article{arxiv.2503.21779,
title = {X$^{2}$-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction},
author = {Weihao Yu and Yuanhao Cai and Ruyi Zha and Zhiwen Fan and Chenxin Li and Yixuan Yuan},
journal= {arXiv preprint arXiv:2503.21779},
year = {2025}
}
备注
Project Page: https://x2-gaussian.github.io/