SNAF: Sparse-view CBCT Reconstruction with Neural Attenuation Fields

要約

コーン ビーム コンピュータ断層撮影 (CBCT) は、臨床診療、特に歯科医院で広く使用されていますが、キャプチャ時の X 線の放射線量は、CBCT イメージングで長い間懸念されてきました。
スパース ビュー 2D 投影から高品質の CBCT 画像を再構築するためにいくつかの研究作業が提案されていますが、現在の最先端技術はアーティファクトと細部の欠如に悩まされています。
この論文では、ニューラル減衰フィールドを学習することにより、スパース ビュー CBCT 再構成のための SNAF を提案します。ここでは、スパース入力ビューからの不十分なデータによってもたらされる課題を克服するための新しいビュー拡張戦略を発明しました。
私たちのアプローチは、わずか 20 の入力ビュー (臨床コレクションの 25 分の 1) で、高い再構成品質 (30+ PSNR) の点で優れたパフォーマンスを達成し、最先端の技術よりも優れています。
さらに、包括的な実験とアブレーション分析を実施して、アプローチの有効性を検証しました。

要約(オリジナル)

Cone beam computed tomography (CBCT) has been widely used in clinical practice, especially in dental clinics, while the radiation dose of X-rays when capturing has been a long concern in CBCT imaging. Several research works have been proposed to reconstruct high-quality CBCT images from sparse-view 2D projections, but the current state-of-the-arts suffer from artifacts and the lack of fine details. In this paper, we propose SNAF for sparse-view CBCT reconstruction by learning the neural attenuation fields, where we have invented a novel view augmentation strategy to overcome the challenges introduced by insufficient data from sparse input views. Our approach achieves superior performance in terms of high reconstruction quality (30+ PSNR) with only 20 input views (25 times fewer than clinical collections), which outperforms the state-of-the-arts. We have further conducted comprehensive experiments and ablation analysis to validate the effectiveness of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google