用于稀疏视角螺旋CT重建的深度增强投影补全网络

《Pattern Recognition》：Deep boosting projection completion network for sparse-view helical CT reconstruction

　　- 我们提出了DBPC-Net，用于稀疏视图螺旋CT重建。- 我们引入了螺旋投影补全模块以强制显式物理数据一致性。- 我们采用深度提升模块迭代增强信噪比和解剖细节。- 我们证明了在多种稀疏采样率下的临床螺旋数据集上具有稳健的性能。**引言**螺旋计算机断层扫描已成为现代临床诊断中不可或缺的成像技术，因为它能够快速连续地采集体积数据。然而，螺旋扫描过程中累积的辐射剂量与患者潜在的长期健康风险密切相关。这一担忧推动了低剂量螺旋CT技术的显著研究进展。在各种低剂量方法中，稀疏视图扫描被认为是最具前景的方法之一，因为它在保持每次曝光正常剂量水平的同时显著减少了投影采集次数。稀疏视图CT重建面临重大挑战。投影数据的严重不足使重建问题成为不适定问题，直接重建方法往往会在重建图像中引入显著噪声和伪影。近年来，基于深度学习的方法在稀疏视图CT重建中取得了显著成功，相较于传统迭代技术在图像质量方面取得了显著提升。然而，大多数现有的基于深度学习的稀疏视图CT方法主要是基于圆形扫描数据开发和评估的，而圆形扫描几何与现代CT所使用的螺旋扫描几何存在根本差异。圆形扫描与螺旋扫描之间的差异不仅体现在几何上，还影响稀疏视图伪影的性质。在圆形CT中，每个横断面从完整的一组角度视图采样，稀疏采样通常导致条纹伪影。在螺旋CT中，投影在床移动过程中连续采集，导致固有的层面间插值，并产生更复杂的空间变化伪影，包括z轴失真。因此，领域差距为基于圆形扫描数据训练的模型在临床部署中带来了重大挑战。因此，开发一种固有地纳入螺旋扫描几何的重建框架对于推进临床实践中可靠的低剂量螺旋CT至关重要。在本研究中，我们提出了深度提升投影补全网络以解决稀疏视图螺旋CT重建中的上述挑战。所提出的框架采用迭代前向传播架构，在显式螺旋物理约束下联合改善图像质量并强制执行投影域数据一致性。DBPC-Net由两个紧密耦合的组件组成：深度提升模块和螺旋投影补全模块。DBM通过从原始稀疏视图重建中获得指导，迭代精炼输入以逐步增强重建质量；而HPCM通过将采集几何显式纳入重建过程来强制执行对测量螺旋投影的保真度。通过这两个模块的交替交互，DBPC-Net逐步抑制螺旋特异性伪影，并提高稀疏视图场景下的重建可靠性。本工作的主要贡献总结如下：- 我们提出了深度提升投影补全网络，这是一种新颖的多阶段框架，通过在DBM的信噪比增强与HPCM的数据一致性校正之间交替迭代来精炼螺旋CT图像。- 我们引入了专用的HPCM，该模块在每个提升阶段用对应的测量稀疏视图投影替换网络预测的投影值，从而将显式的螺旋扫描物理嵌入学习过程。- 我们通过广泛实验在临床螺旋CT数据集上验证了DBPC-Net，证明其能有效抑制稀疏视图螺旋伪影，并在各种采样率下表现出稳健的性能。**章节摘要****相关工作**近年来，基于深度学习的稀疏视图CT重建方法已广泛分为两种主要范式：模型无关方法和基于模型的方法。本节回顾这两类方法，特别关注它们在螺旋扫描中的基本假设和局限性。**方法**本节介绍了所提出的用于稀疏视图螺旋CT重建的DBPC-Net。该方法采用多阶段提升架构。通过HPCM和DBM的协同工作，该框架以前向传播方式迭代精炼螺旋CT图像。整体架构如图1所示。**AAPM挑战数据集**使用2016年NIH-AAPM-梅奥诊所低剂量CT挑战赛数据集来评估所提出DBPC-Net的重建性能。AAPM挑战数据集包含10名患者的数据，这些数据使用SOMATOM Definition AS+ CT扫描仪在120 kVp和200有效mAs条件下采集。该数据集提供了原始螺旋投影数据，非常适合评估所提方法在真实临床数据上的适用性。每个圆圈中的投影数量为——**1/6下采样重建结果**图2展示了不同方法在1/6下采样率下的重建结果。由wFBP重建的螺旋CT图像表现出显著的噪声和条纹伪影，掩盖了解剖细节。所有基于深度学习的对比方法都改善了图像质量，但它们的技术范式不同导致性能特征各异。经典图像域网络去除明显伪影，但存在过度平滑和细节丢失的问题。这是典型的——**讨论**在本文中，我们提出了用于稀疏视图螺旋CT重建的深度提升投影补全网络。该框架作为一个统一解决方案，将螺旋投影物理约束与深度迭代增强相结合。具体而言，DBPC-Net由两个核心组件组成：螺旋投影补全模块和深度提升模块。首先，通过在投影域强制执行数据一致性约束，HPCM直接——**结论**总之，我们提出了用于稀疏视图螺旋CT重建的深度提升投影补全网络。该框架集成了两个关键组件：强制执行螺旋物理数据一致性的螺旋投影补全模块，以及通过迭代精炼逐步增强重建质量的深度提升模块。实验结果表明，DBPC-Net能有效抑制螺旋特异性伪影，同时保持——**CRediT作者贡献声明****毛泽瑞：** 原稿撰写、验证、资源、项目管理、方法论、调查、数据整理。**孟明强：** 原稿撰写、指导、方法论、调查。**陈泽应：** 验证、方法论、调查。**温子豪：** 验证、方法论、调查。**边兆英：** 审阅与编辑、指导、资源、方法论。**曾栋：** 审阅与编辑、指导、资源。**马建华：** 审阅与编辑——**利益冲突声明**作者声明不存在可能影响本文所报告工作的已知竞争性财务利益或个人关系。**致谢**本工作部分由中国国家重点研发计划资助，项目编号2024YFC2417800、2024YFA1012000；国家自然科学基金资助，项目编号62571422、62201247、U21A6005、62571228；广州市科技计划资助，项目编号202206010148；北京自然科学基金资助，项目编号Z250002。毛泽瑞|孟明强|陈泽应|温子豪|边兆英|曾栋|马建华|王永波