适应性多分辨率哈希编码框架用于基于INR的牙科CBCT重建与截断的FOV
1National Institute for Mathematical Sciences, Daejeon, Republic of Korea.
Medical physics
|December 27, 2025
概括
本研究介绍了一种高效的隐性神经表示 (INR) 框架,用于3D牙科形光束计算机断层扫描 (CBCT) 重建. 该方法显著降低了截止视野 (FOV) 成像中的文物和计算成本.
科学领域:
- 医疗成像医学成像
- 计算成像技术的成像
- 放射学中的人工智能
背景情况:
- 使用哈希编码的隐式神经表示 (INR) 显示了CT重建的前景.
- 由于投射差异,将INR应用于具有截断视野 (FOV) 的3D牙科形光束CT (CBCT) 具有挑战性.
- 截断工件在CBCT重建中降低了图像质量.
研究的目的:
- 开发一个基于INR的计算效率高的重建框架,用于使用截断FOV的3D牙科CBCT.
- 为了减轻CBCT成像中截断FOV引起的人工物.
- 为了利用多分辨率的哈希编码来改进重建.
主要方法:
- 训练INR网络在扩展的重建领域,包括整个头部.
- 采用适应式培训策略,使用多分辨率网格来提高计算效率.
- 引入适应式哈希编码器来管理不同的分辨率并保持网络输入维度.
主要成果:
- 拟议的方法通过使用扩展的FOV有效地减轻了截断工件.
- 与原始域扩展相比,自适应策略将计算时间减少60%.
- 在截断的FOV中保持了峰值信号噪声比 (PSNR).
结论:
- 介绍了一种基于INR的新型重建框架,用于切断FOV的3D牙科CBCT.
- 该框架成功地减少了切割工件和培训成本.
- 这种方法为挑战CBCT重建场景提供了有效的解决方案.
