一个衰减场网络用于专用的形光束乳房CT,具有短扫描和偏移检测器几何
Zhiyang Fu1, Hsin Wu Tseng1, Srinivasan Vedantham2,3
1Department of Medical Imaging, The University of Arizona, 1501 N. Campbell Ave, Tucson, AZ, 85724, USA.
Scientific reports
|January 3, 2024
概括
一种新的自我监督深度学习方法,衰减场网络 (AFN),成功地从不完整的短扫描数据中重建了乳房CT图像. 这一突破使得使用偏移探测器几何学的专用乳腺CT系统的高质量成像成为可能.
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:
- 具有偏移探测器几何学的圆束CT (CBCT) 在临床应用中具有优势.
- 在全扫描CBCT中利用数据冗余对于图像重建至关重要.
- 专门的乳腺CT系统需要高效的数据采集和重建技术.
研究的目的:
- 研究将短扫描采集与乳房CT的偏移探测器几何相结合的可行性.
- 开发一种新的深度学习方法,用于从不完整的乳腺CT数据中重建图像.
- 评估拟议方法的性能与传统的重建技术相比.
主要方法:
- 开发一个自主监督的衰减场网络 (AFN),利用基于坐标的表示和成像物理.
- 使用偏移探测器几何学获取短扫描圆束乳房CT数据.
- 使用临床数据集 (n=50) 评估AFN重建,并与全扫描参考数据进行比较.
主要成果:
- 传统的重建方法在不完整的短扫描数据下失败.
- AFN成功地从不完整的数据中重建了图像.
- AFN重建在图像噪声,对比度和化宽度方面与全扫描参考重建没有统计差异.
结论:
- 同时的短扫描和偏移探测器几何是可行的专用乳腺CT.
- 自主监督的AFN技术有效地解决了乳腺CT中不完整数据的挑战.
- 该AFN方法显示了在其他CBCT模式中更广泛应用的潜力.
