通过密度减弱建模的多色神经CBCT重建

科学领域:

• 医疗成像医学成像
• 计算成像技术的成像
• 人工智能在医学中的应用

背景情况:

• 单色圆束计算断层扫描 (CBCT) 算法普遍存在,但由于能量集成探测器而遭受光束硬化工件的损害.
• 这些人造物产生的原因是当前探测器无法解析光子能量水平,导致不准确的衰减测量.

研究的目的:

• 为CBCT开发一种新的多色彩3D重建技术.
• 为了减轻梁硬化工件,而不需要额外的先前信息.

主要方法:

• 基于坐标的神经表示被用于多色彩的3D重建.
• 该方法模拟了在参考能量水平 (E0) 上的衰减及其衍生值.
• 实现了一个神经网络以优化中间密度值和复合衰减函数,学习密度和衰减之间的单调关系.

主要成果:

• 拟议的技术在各种场景中显著提高了重建质量.
• 使用合成数值幻影来证明了定量改进.
• 在现实世界的临床实例中观察到更好的视觉质量.

结论:

• 开发的多色重建方法有效地减少了CBCT中的梁硬化器件.
• 这种基于神经网络的方法为提高CBCT图像的准确性和质量提供了一个有希望的解决方案.