TiAVox: Time-aware Attenuation Voxels for Sparse-view 4D DSA Reconstruction

要約

4 次元デジタルサブトラクション血管造影 (4D DSA) は、動静脈奇形 (AVM) や動静脈瘻 (AVF) などの多くの医学的疾患の診断において重要な役割を果たします。
重要な応用価値にもかかわらず、4D DSA の再構成には、複雑な血管と放射線造影剤の流れを効果的にモデル化するために多数のビューが必要であり、それによってかなりの放射線量が暗示されます。
この高放射線の問題に対処するために、私たちは、高品質の 4D イメージングへの道を開く、スパースビュー 4D DSA 再構成のための時間認識減衰ボクセル (TiAVox) アプローチを提案します。
さらに、2D および 3D DSA イメージング結果は、再構成された 4D DSA 画像から生成できます。
TiAVox は、空間次元と時間次元の両方からの減衰特性を反映する 4D 減衰ボクセル グリッドを導入しています。
レンダリングされたイメージとまばらな 2D DSA イメージ間の不一致を最小限に抑えることによって最適化されます。
ニューラル ネットワークが関与しないため、TiAVox は特定の物理的解釈可能性を享受できます。
学習可能な各ボクセルのパラメーターは減衰係数を表します。
私たちは、臨床データセットとシミュレートされたデータセットの両方で TiAVox アプローチを検証し、従来の Feldkamp-Davis-Kress 手法では 133 ビューが必要であったのに対し、臨床データセットではわずか 30 ビューを使用して新規ビュー合成で 31.23 のピーク信号対雑音比 (PSNR) を達成しました。
。
同様に、合成データセットからわずか 10 個のビューを使用した場合、TiAVox は新しいビュー合成で 34.32、3D 再構成で 41.40 の PSNR をもたらしました。
また、TiAVox の必須コンポーネントを裏付けるためにアブレーション研究も実施しました。
コードは公開されます。

要約(オリジナル)

Four-dimensional Digital Subtraction Angiography (4D DSA) plays a critical role in the diagnosis of many medical diseases, such as Arteriovenous Malformations (AVM) and Arteriovenous Fistulas (AVF). Despite its significant application value, the reconstruction of 4D DSA demands numerous views to effectively model the intricate vessels and radiocontrast flow, thereby implying a significant radiation dose. To address this high radiation issue, we propose a Time-aware Attenuation Voxel (TiAVox) approach for sparse-view 4D DSA reconstruction, which paves the way for high-quality 4D imaging. Additionally, 2D and 3D DSA imaging results can be generated from the reconstructed 4D DSA images. TiAVox introduces 4D attenuation voxel grids, which reflect attenuation properties from both spatial and temporal dimensions. It is optimized by minimizing discrepancies between the rendered images and sparse 2D DSA images. Without any neural network involved, TiAVox enjoys specific physical interpretability. The parameters of each learnable voxel represent the attenuation coefficients. We validated the TiAVox approach on both clinical and simulated datasets, achieving a 31.23 Peak Signal-to-Noise Ratio (PSNR) for novel view synthesis using only 30 views on the clinically sourced dataset, whereas traditional Feldkamp-Davis-Kress methods required 133 views. Similarly, with merely 10 views from the synthetic dataset, TiAVox yielded a PSNR of 34.32 for novel view synthesis and 41.40 for 3D reconstruction. We also executed ablation studies to corroborate the essential components of TiAVox. The code will be publically available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google