VascuSR：用于 CT 超分辨率的迭代式解剖感知扩散

生成式超分辨率（SR）能够从严重下采样的观测中恢复计算机断层扫描（CT）图像的清晰细节，但低分辨率输入无法唯一确定缺失的高频内容。因此，视觉上看似合理的重建结果可能包含缺乏解剖依据的血管细节，例如血管缺失、伪血管或血管连接错误。为应对这一挑战，我们提出 VascuSR，这是一种将图像重建与显式三维血管引导相结合的迭代式解剖感知扩散框架。首先，为提供更丰富的解剖引导，我们采用显式三维血管表示，以捕捉超越单张切片的结构信息。这种表示还使轻量级三维生成式细化器能够专注于血管结构，而非复杂的 CT 外观，从而简化血管细化过程。其次，为引导逐切片超分辨率重建，轻量级解剖控制器将细化后的结构注入扩散解码器，同时通过迭代反馈，根据每次新生成的超分辨率体数据更新这一引导。在重新标注的 MSD Task08 和 HVM 数据集上，VascuSR 在分割准确性（Dice 和 clDice）以及三维血管结构（连通性和平均中心线距离）方面均优于插值方法和基于学习的超分辨率基线，同时保持了与其超分辨率骨干网络相当的图像质量。与基于学习的基线相比，VascuSR 在两个数据集上均将按类别平均的连通分量数量减少了 20% 以上，并在 MSD 上将平均中心线距离降低了 10% 以上。