通过算法-硬件协同作用实现实时神经表示,用于Sparse-View CT重建.
IEEE transactions on neural networks and learning systems
|November 4, 2025
概括
通过结合算法和硬件,RTSyner实现了实时稀疏视图计算机断层扫描 (SVCT) 重建. 这种新的框架加速了图像重建,克服了隐式神经表示的先前时间限制.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 硬件加速器 硬件加速器
背景情况:
- 稀疏视图计算机断层扫描 (SVCT) 旨在减少辐射剂量,但由于投射数据有限,在图像重建质量方面面临挑战.
- 隐式神经表示 (INR) 对SVCT来说是有前途的,但需要广泛的培训,阻碍实时应用.
研究的目的:
- 开发一个实时稀疏视图计算机断层扫描 (SVCT) 重建框架.
- 为了解决现有的基于INR的SVCT方法的计算时间限制.
主要方法:
- 提出了RTSyner,这是一个算法-硬件协作框架,用于高效的CT重建.
- 开发了一种高效的基于坐标的特征模块,用于神经表示学习.
- 设计了一个具有定制算法流程的专用硬件架构,并使用模型量化来提高推理效率.
主要成果:
- 使用RTSyner框架进行实时SVCT重建.
- 通过算法-硬件协作实现了协同加速.
- 验证了框架对复杂采集几何和体积重建的潜力.
结论:
- RTSyner能够实时重建SVCT,克服之前的时间限制.
- 算法-硬件联合设计方法显著提高了重建速度和效率.
- 该框架显示了在先进的CT成像中更广泛应用的潜力.


