.png){kind=icon}
返回
Multi-Material Decomposition Using Spectral Diffusion Posterior Sampling
.png){kind=icon}
OA
AI
DOI：10.1109/TBME.2025.3543747.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目的：精确的材料分解对许多能谱CT应用至关重要。本研究介绍了一种新型框架——能谱扩散后验采样（Spectral DPS），专门用于单步重建和多材料分解。方法：Spectral DPS结合了通过一次性无条件网络训练捕捉的复杂先验信息和一个任意的解析物理系统模型。基于用于非线性反问题的通用DPS框架，Spectral DPS纳入了我们在先前工作中提出的几种DPS策略，包括跳跃启动采样、雅可比近似和多步似然更新。通过模拟的双层和kV切换能谱系统以及物理锥束CT（CBCT）测试平台评估了Spectral DPS的有效性。结果：与其他基于扩散的算法相比，Spectral DPS在降低采样变异性及计算成本方面较Baseline DPS表现出显著改进。此外，在成像准确性和不同成像协议下的稳健性方面，Spectral DPS优于在特定成像条件下训练的条件去噪扩散概率模型（DDPM）。在物理模体研究中，Spectral DPS在均匀区域内估算平均密度的误差$< $1%，同时有效避免了Baseline DPS中出现的假结构引入。结论：模拟和物理模体研究均表明，Spectral DPS在精确、稳定和快速的材料分解方面具有卓越性能。意义：提出的Spectral DPS提供了一种新颖且通用的材料分解框架，能够有效结合基于学习的先验信息和基于物理的能谱模型。该方法可应用于各种能谱CT系统和基材料。
Keyword:
Spectral CT
material decomposition
diffusion model
期刊
I
IF:
4.5
论文数:
545
被引数:
2.8W
机构
引用论文
.png){kind=icon}
Estimation of electron density, effective atomic number and stopping power ratio using dual-layer computed tomography for radiotherapy treatment planning使用双层计算机断层扫描估算电子密度，有效原子序数和停止功率比，用于放射治疗计划
PREAI
分享收藏Using edge-preserving algorithm with non-local mean for significantly improved image-domain material decomposition in dual-energy CT使用具有非局部均值的边缘保持算法显着改善双能CT中的图像域材料分解
OAAI
OAAI分享收藏Physics-Informed Score-Based Diffusion Model for Limited-Angle Reconstruction of Cardiac Computed Tomography物理信息 Score-based 扩散模型在有限角度心脏计算机断层扫描重建中的应用
PREAI
分享收藏Fast-switching dual energy cone beam computed tomography using the on-board imager of a commercial linear accelerator使用商用直线加速器的车载成像仪进行快速切换双能锥束计算机断层扫描OAAI
OAAI分享收藏
查看更多内容