Sparse-view CT image reconstruction using conditional embedding fusion diffusion model

doi:10.1016/j.neucom.2025.131748

Sparse-view CT image reconstruction using conditional embedding fusion diffusion model

2025-10-06

0

PRE

AI

DOI：10.1016/j.neucom.2025.131748

原文链接

原文求助

摘要

En 中文

稀疏视角CT重建的主要目标是从较少的投影数据中重建高质量图像，从而减少辐射剂量。然而，投影数据量的减少也使重建过程变为不适定问题，导致重建图像中的伪影增加。近年来，扩散模型表现出强大的生成能力，为稀疏视角CT重建提供了新思路。但由于扩散过程的随机性，如何引导生成过程以实现高质量重建仍是一个重大挑战。为解决此问题，我们提出了一种条件嵌入融合扩散模型（CEF-DM）以提升重建质量。具体而言，我们设计了一个FourierNet来生成初始重建，该初始重建作为条件引导CEF-DM生成剩余细节残差。CEF-DM采用条件注意力嵌入模块（CAEM）在整个生成过程中全面融合条件输入和时间步信息。随后将初始重建与细节残差相加，得到最终重建结果。实验结果表明，该方法在重建精度和图像质量方面优于现有方法，为稀疏视角CT重建提供了一种高效且稳健的解决方案，并具有潜在的临床应用价值。

Sparse-view CT image reconstruction using conditional embedding fusion diffusion model

摘要

期刊

机构

引用论文