基于扩散的噪声条件下有限角度 CT 重建-计算机科学-计算机断层扫描-算法.pdf

基于扩散的噪声条件下有限角度CT重建

郭嘉琪,萨antiagoLópez-Tapia

Dept.ofElectricalandComputerEngineering,NorthwesternUniversity,Evanston,IL,USA

ABSTRACT中，采集角度通常受到限制，由此产生了有限角度计

算机断层摄影（LACT）问题。这种内在的不完整性严

有限角度计算机断层扫描（LACT）是一个具有挑战

重降低了传统方法（如滤波反投影(FBP)[2]）的性能。

性的逆问题，其中缺失的角度投影导致不完整的sino-

在LACT恢复的背景下，目标是从不完整且可能

gram和重建图像中的严重伪影。虽然最近基于学习

有噪声的投影数据中重建一个高保真实例

本的方法已经表现出有效性，但大多数方法假设理想且

。正向过程可以通常表示为：

译无噪声的测量，并未能解决测量噪声的影响。为克服

中这一限制，我们将LACT视为一个sinogram插补任(1)

1务，并提出了一种基于扩散的框架，该框架使用均值

v回复随机微分方程（MR-SDE）公式来完成缺失的角其中表示离散化的Radon变换算子，而

7

4度视图。为了提高在现实噪声下的鲁棒性，我们提出代表加性白噪声。

6深度学习（DL）已成为图像修复（IR）的强大工

5了RNSD，这是一种新颖的噪声感知校正机制，显

0.式建模推理时的不确定性，从而实现可靠且稳健的重具，早期方法主要使用在均方误差（MSE）损失下训

7建。广泛的实验表明，我们的方法在数据一致性和感练的卷积神经网络（CNNs）来逼近拉东变换的逆。尽

0

5知质量上始终超越基线模型，并且很好地泛化到了不管在计算速度方面有效，这些方法通常会产生过于平

2同噪声强度和采集场景中。滑的重建结果，缺乏精细的结构细节。生成性DL模

:

v型的出现，特别是扩散模型[3]，显著推进了IR的状

i

xIndexTerms—噪声限角CT重建，随机微分方

r态。与GANs[4,5]不同，扩散模型通过随机去噪过程

a程，扩散

捕捉完整数据分布，从而产生更准确且感知上忠实的

结果[6,7]。

1.介绍在有限角度计算机断层扫描（LACT）的背景下，

现有的基于学习的方法可以大致分为两类范式。第

断层重建旨在从其低维投影中恢复高维结构。这

一类工作重点是图像域重建，其目标是从有限角度投

一过程由Radon变换[1]控制，该变换将每个投影建