扩散模型在投影域补全锥形束CT截断伪影，峰值信噪比提升12分贝

文/IAICA.NGO®

锥形束计算机断层扫描（CBCT）凭借较高空间分辨率和相对较低辐射剂量，广泛用于牙科、手术室和放疗计划。但探测器无法捕获穿过患者的完整X射线场。当成像对象超出探测器视野，投影数据被截断，重建出现亮杯状伪影、强度失真和条纹，可能遮蔽临床解剖。北京理工大学与北京唯迈医疗科技的研究团队在 BMC Medical Imaging 提出新方案：不修复重建后图像，而在原始投影数据中补全缺失。工具是条件生成扩散模型（CGDM）。

截断为何棘手

多数CBCT依赖滤波反投影（FBP），假设每条X射线路径均被测量。当肩部等超出平板探测器边缘，投影缺失。FBP不能容忍缺口，缺失数据违反重建假设，在视野边界产生强度梯度，向内传播为阴影和条纹，周边结构密度偏移，低对比度病灶难以区分。

传统方法多为机械式。广泛使用的 Reconstruction Toolkit 采用填充：用镜像或平滑衰减的合成值扩展截断投影，使算法获得名义完整数据。填充减轻杯状伪影，但本质是猜测；合成值不含视野外真实解剖信息，残余伪影仍在，尤其致密或复杂结构。

新研究把猜测变为学习。条件扩散模型通过逆转加噪过程训练：模型看到不同噪声水平并学习去噪；生成时从纯噪声开始，合成符合训练分布的样本。条件机制约束生成，使模型不是任意发明投影，而是用与测量数据一致、解剖合理的值补全特定缺失区域。投影层面与 RTK 填充相比，扩散补全在峰值信噪比上提升12分贝。投影数据一致性改善后，FBP重建的杯状伪影、条纹和强度偏差被抑制，周边解剖更接近真实密度，低对比度结构更易辨认。

技术路线对比

投影域补全与图像域后处理不同。图像域去伪影以受损重建为输入，可能产生幻觉或把伪影当解剖；投影域方法位于物理测量链上游，恢复缺失投影后，重建算法面对的输入更接近理论假设，从源头削弱伪影生成。扩散模型的条件生成能力则提供数据约束下的统计推断，降低任意编造风险。

临床转化仍有挑战。扩散模型推理通常比传统填充更耗时，对术中或放疗摆位等实时场景可能构成压力。模型泛化依赖训练数据覆盖，不同解剖部位、体型、扫描协议和探测器配置都会影响表现。监管审批还需前瞻性、多中心验证，证明补全不会引入虚假结构或掩盖病灶。该研究提供了算法层面的有力证据，但从指标到工作流仍需距离。

在牙科、骨科、介入和放疗中，CBCT低剂量优势难以替代。若投影域AI补全能稳定减少截断伪影，临床或可减少重复扫描、扩大有效视野，在保持剂量优势的同时提升诊断信心。放疗大视野计划中，伪影减少还可能改善靶区勾画和危及器官识别。更广泛看，扩散模型正从生成逼真图像转向解决受物理约束的逆问题，这比单纯图像增强更具长期价值。

iaica.com.cn 认为，投影域条件扩散补全展示了一条值得关注的路径：AI不只在重建后美化图像，而是在数据缺失源头恢复测量一致性。未来需关注计算效率、跨设备泛化和临床验证，但该研究已将截断伪影治理从经验填充推向可学习的统计推断。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。