超高分辨率双层CBCT成像与模型引导深度学习
Jiongtao Zhu1, Ting Su2, Xin Zhang2
1Key Laboratory of Optoelectronic Devices and Systems of Ministry of Education and Guangdong Province, College of Physics and Optoelectronic Engineering, Shenzhen University, Shenzhen 518060, People's Republic of China.
Physics in medicine and biology
|December 4, 2023
概括
这项研究介绍了suRi-Net,这是一种用于使用双层平板探测器 (DL-FPD) 进行超分辨率圆束CT (CBCT) 成像的新型深度学习方法. 这种方法显著提高了CBCT系统的双能量成像中的空间分辨率.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 计算机视觉 计算机视觉
背景情况:
- 双层平板探测器 (DL-FPD) 提供了先进成像的潜力.
- 目前的CBCT系统在双能成像的空间分辨率方面存在局限性.
研究的目的:
- 研究一种使用DL-FPD的新型超高分辨率CBCT成像方法.
- 开发和验证一种深度学习方法,以增强基于DL-FPD的CBCT中的空间分辨率.
主要方法:
- 开发了一个数学模型来描述DL-FPD中的信号形成.
- 一个循环神经网络,suRi-Net,旨在检索高分辨率的双能量信息.
- 为了验证,进行了物理基板实验.
主要成果:
- suRi-Net成功地从低分辨率投影中获取了高空间分辨率的信息.
- 空间分辨率在顶层探测器层增加了约45%,在底层层增加了54%.
- 该方法证明了准确检索高分辨率的双能量信息.
结论:
- suRi-Net方法为使用DL-FPD进行超分辨率CBCT成像提供了有效的方法.
- 这种技术显著提高了双能CBCT的空间分辨率.
- suRi-Net为CBCT系统中的高分辨率双能量成像提供了一个有希望的新方向.
