基于隐式神经表示和扩散模型精炼的牙科锥形束 CT 视野扩展
Field-of-View Extension in Dental Cone-Beam CT via Implicit Neural Representations and Diffusion Model-Based Refinement
精选理由
展示用隐式神经表示与扩散模型扩展牙科CBCT视野、减少截断伪影的方法，并提供代码。
AI 摘要
牙科锥形束计算机断层成像（CBCT）系统通常采用只能捕获患者部分解剖结构的探测器配置，从而形成截断视野（FOV）。在本研究中，我们旨在利用截断视野扫描的投影重建扩展视野。为此，我们提出了一个由三个阶段组成的框架：（1）利用隐式神经表示（INR）估计截断投影数据中的缺失部分；（2）通过迭代重建生成具有更高解剖一致性的二次体积图像；（3）利用快速扩散模型进行图像增强。该方法在统一的截断 CBCT 成像流程中，结合了连续表示、基于物理的重建和生成式精炼的优势。实验结果表明，该方法能够有效减少截断伪影，改善超出原始视野范围的结构重建效果，并生成质量更高的图像。我们的代码已公开于 https://github.com/SusanneSchaub/CBCT-FOV-Extension】【。