CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging

要約

スパースビューコンピュータ断層撮影法 (SVCT) 再構成は、まばらにサンプリングされた測定値に基づいて CT 画像を取得することを目的としています。
これにより、対象者が受ける電離放射線の量が減り、がんを発症する生涯リスクが軽減されます。
最近の研究では、暗黙的ニューラル表現 (INR) 技術を使用して、単一の SV サイノグラムから CT 画像を再構成しています。
ただし、姿勢が正しくないため、これらの INR ベースの手法はフィールドにかなりの「穴」(つまり、モデル化されていない空間) を残し、次善の結果をもたらす可能性があります。
この論文では、SVCT 再構成用の穴のない表現フィールドを構築し、より良い再構成品質を達成することを目的とした、座標ベースの連続投影フィールド (CoCPF) を提案します。
具体的には、穴を埋めるために、CoCPF はまずストライプベースのボリューム サンプリング モジュールを使用して、ラドン変換のサンプリング領域をレイ (1D 空間) からストライプ (2D 空間) に広げます。これにより、SV 投影間の内部領域を十分にカバーできます。
次に、サンプリング領域を提案された微分可能レンダリング モジュールにフィードすることにより、トレーニング中にホールを共同で最適化し、不良設定レベルを減らすことができます。
その結果、CoCPF は SV 投影間の内部測定値 (つまり、DV サイノグラム) を正確に推定し、再投影後に高品質の CT 画像を生成することができます。
シミュレートされた投影データセットと実際の投影データセットに関する広範な実験により、CoCPF がさまざまな投影数と​​形状の下で 2D および 3D SVCT 再構成の最先端の方法よりも優れたパフォーマンスを示し、きめの細かい詳細とアーティファクトの減少が得られることが実証されました。
私たちのコードは公開される予定です。

要約(オリジナル)

Sparse-view computed tomography (SVCT) reconstruction aims to acquire CT images based on sparsely-sampled measurements. It allows the subjects exposed to less ionizing radiation, reducing the lifetime risk of developing cancers. Recent researches employ implicit neural representation (INR) techniques to reconstruct CT images from a single SV sinogram. However, due to ill-posedness, these INR-based methods may leave considerable “holes” (i.e., unmodeled spaces) in their fields, leading to sub-optimal results. In this paper, we propose the Coordinate-based Continuous Projection Field (CoCPF), which aims to build hole-free representation fields for SVCT reconstruction, achieving better reconstruction quality. Specifically, to fill the holes, CoCPF first employs the stripe-based volume sampling module to broaden the sampling regions of Radon transformation from rays (1D space) to stripes (2D space), which can well cover the internal regions between SV projections. Then, by feeding the sampling regions into the proposed differentiable rendering modules, the holes can be jointly optimized during training, reducing the ill-posed levels. As a result, CoCPF can accurately estimate the internal measurements between SV projections (i.e., DV sinograms), producing high-quality CT images after re-projection. Extensive experiments on simulated and real projection datasets demonstrate that CoCPF outperforms state-of-the-art methods for 2D and 3D SVCT reconstructions under various projection numbers and geometries, yielding fine-grained details and fewer artifacts. Our code will be publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google