RSTAR4D：利用可分离的四维卷积技术降低四维CBCT中的旋转条纹伪影

《IEEE Transactions on Radiation and Plasma Medical Sciences》：RSTAR4D: Rotational Streak Artifact Reduction in 4-D CBCT Using Separable 4-D Convolutions

针对四维锥形束CT（4-D CBCT）成像中呼吸运动伪影导致的图像条纹失真问题，提出基于动态先验的RSTAR4D-Net四维模型，通过分解四维卷积和优化训练策略有效抑制伪影，实验验证其性能优于现有方法。

　　

摘要：

四维锥形束计算机断层扫描（4-D CBCT）能够提供与呼吸运动同步的图像，从而有助于实现图像引导的放射治疗。然而，这种能力是以图像伪影为代价的。由于原始投影数据被划分为多个呼吸阶段，重建的4-D CBCT图像会存在严重的条纹伪影。尽管已经提出了一些基于深度学习的方法来解决这个问题，但大多数算法将其视为一个二维图像增强任务，忽略了4-D CBCT的动态特性。在本文中，我们首先确定了4-D CBCT图像中条纹伪影的起源和表现形式。我们发现，这些条纹伪影会随着患者的呼吸运动而呈现出独特的“旋转运动”，这与4-D空间中由膈肌驱动的呼吸运动不同。因此，我们提出了RSTAR4D-Net这一4-D模型，该模型通过探索4-D CBCT图像的动态特性来减少条纹伪影。具体来说，我们克服了4-D神经网络在计算和训练方面的难题。该模型将4-D卷积操作分解为多个低维操作，从而高效处理整个4-D图像。此外，我们还提出了一种Tetris训练策略，利用有限的4-D数据有效训练模型。大量实验证明了RSTAR4D-Net相较于现有方法具有更优越的性能。

引言

肺癌是全球发病率和死亡率最高的恶性肿瘤之一，对人类健康构成了严重威胁[1]。放射治疗是肺癌的标准治疗方法。现代放射治疗设备将锥形束计算机断层扫描（CBCT）成像仪集成到系统中（也称为机载CBCT），以实现图像引导的放射治疗（IGRT）。机载CBCT的室内成像能力提高了肺部肿瘤的定位精度，使得放射治疗更加精确[2]。然而，与传统的CT扫描相比，机载CBCT的采集时间较长（例如1分钟），这使得它对器官运动更为敏感。在肺癌IGRT中，呼吸运动是一个重大挑战，会导致CBCT图像模糊，从而影响放射治疗的准确性。