用于CBCT金属伪影减少的结构保持两阶段扩散模型

《IEEE Transactions on Medical Imaging》：Structure-Preserving Two-Stage Diffusion Model for CBCT Metal Artifact Reduction

cone-beam computed tomography (CBCT) 金属伪影问题，提出两阶段扩散框架：阶段一通过结构感知扩散模型提取干净边缘图，结合牙模轮廓融合数据监督；阶段二利用边缘图引导伪影抑制并引入分割引导采样策略。实验证明该方法在模拟和真实数据中均优于现有方法。

　　

摘要：

锥形束计算机断层扫描（CBCT）在牙科临床应用中发挥着重要作用，但金属植入物常常会导致严重的伪影，从而影响诊断的准确性。大多数基于深度学习的方法试图通过对配对的模拟数据进行训练来减少金属伪影（MAR）。然而，这些方法往往难以保留金属植入物周围的解剖结构，并且无法弥合现实世界数据与模拟数据之间的差异，导致实际应用中的性能不佳。为了解决这些问题，我们提出了一个两阶段的扩散框架，重点强调结构保留和领域泛化。在第一阶段，训练一个具有结构感知能力的扩散模型，从受伪影影响的CBCT图像中提取无伪影的清晰边缘图。该训练过程通过结合口内扫描（IOS）数据和CBCT图像得到的牙齿轮廓来进行监督，以提高对真实世界数据的泛化能力。在第二阶段，这些提取的清晰边缘图作为结构先验来指导金属伪影的去除过程。此外，我们在这一阶段引入了基于分割的采样（SGS）策略，以进一步增强推理过程中的结构保留效果。在模拟数据和真实世界数据上的实验表明，与竞争方法相比，我们的方法在减少伪影和保留牙科结构方面表现更为出色。