基于先验图像引导的可变形注意力网络：实现高质量4D-CBCT重建的创新方法

《Applied Surface Science》：PIDA-Net: A Prior Image-Guided Deformable Attention Network for High-Quality 4D-CBCT Reconstruction

本文提出了一种先验图像引导的可变形注意力网络（PIDA-Net），通过智能融合高质量先验图像（如平均图像或计划CT）的解剖信息，有效解决4D-CBCT（四维锥形束计算机断层扫描）因投影数据欠采样导致的条纹伪影和噪声问题。该网络采用双分支结构提取多尺度特征，并结合可变形注意力模块动态加权相关特征，在保持解剖细节的同时显著提升图像质量，为胸部腹部放疗的精准定位提供技术支撑。

　　

Highlight

Reference Image Generation

本研究将4D-CBCT视为一种具有离散呼吸相位的相位分辨体积成像模态。4D-CBCT图像可以形式化地表示为，其中每个对应于第i个呼吸相位时的图像。为了全面利用可用数据资源并系统分析先验参考图像来源对增强质量的影响，本研究提出了两种不同的参考图像生成策略，如图1所示。为清晰起见...

Dataset

在这项工作中，PIDA-Net使用模拟数据集进行训练。利用4D-CT来模拟具有有限视角数量（范围从35到81）的投影数据，并使用FDK算法重建相应的4D-CBCT图像。投影图像生成的模拟参数配置如下：采用尺寸为512 × 384像素的平板探测器，源到探测器距离（SDD）设置为1500毫米，源到轴距离...

Simulated Data

为了系统评估不同参考图像对4D-CBCT增强性能的影响，我们使用方法Ⅰ和方法Ⅱ生成了参考图像，并构建了相应的训练数据集用于模型开发。为了比较目的，使用这些不同参考图像获取方法训练的模型被指定为PIDA-Ⅰ和PIDA-Ⅱ，分别对应方法Ⅰ和方法Ⅱ。图5展示了具有代表性的模型测试结果。视觉上...

Discussion and Conclusion

在4D-CBCT成像中，投影数据的欠采样问题导致重建图像中出现条纹伪影和噪声。这种图像质量下降可能会影响放疗计划的准确性和安全性。传统方法往往难以在图像质量改善和计算效率之间达到最佳平衡，这凸显了开发先进图像增强方法的必要性。

本研究提出了一种创新的4D-CBCT图像质量优化策略...