Solving Zero-Shot Sparse-View CT Reconstruction With Variational Score Solver

Linchao He

doi:10.1109/TMI.2024.3475516

Solving Zero-Shot Sparse-View CT Reconstruction With Variational Score Solver

2024-01-01

0

PRE

AI

DOI：10.1109/TMI.2024.3475516

原文链接

原文求助

摘要

En 中文

计算机断层扫描（CT）是一种普遍存在的医学诊断工具。然而，与CT扫描相关的辐射问题已引发公众的担忧。在CT成像中降低辐射剂量构成了固有挑战，因为它不可避免地会损害CT重建的保真度，从而影响诊断准确性。尽管以往的深度学习技术已在提升CT重建质量方面展现出潜力，但它们仍受限于对配对数据的依赖，而配对数据的获取十分困难。本研究提出了一种名为Variational Score Solver（VSS）的新型方法，用于无配对数据的稀疏角度重建。我们的方法包括从密集采样的CT重建中获取概率分布，并采用潜扩散模型。通过迭代过程，利用扩散模型作为先验项，随后与数据一致性项结合，实现了高质量的重建结果。值得注意的是，我们并非直接采用先验扩散模型，而是通过寻找扩散模型的固定点来提炼先验知识。这一框架使我们能够对过程进行精确控制。此外，我们放弃了将重建结果建模为确定性值的方法，转而采用基于分布的方法。这使得我们能够利用可训练模型实现更准确的重建。我们的方法为无监督CT重建领域引入了新的视角，克服了监督学习的限制。广泛的定性和定量实验明确表明，VSS在稀疏角度重建任务中优于其他当代无监督方法，并与最先进的监督方法取得了相当的结果。代码可在https://github.com/fpsandnoob/vss获取。

Keyword:

Zero-shot

diffusion model

variational inference

low-dose CT

CT reconstruction

Solving Zero-Shot Sparse-View CT Reconstruction With Variational Score Solver

摘要

期刊

机构

引用论文