基于自注意力神经辐射场的稀疏视角医学影像重建方法.pdfVIP

第

42

卷

第

1

期广东工业大学学报Vol.

42

No.

1

2025

年

1

月JournalofGuangdongUniversityofTechnologyJanuary

2025

廖浩霖,

李斯.

基于自注意力神经辐射场的稀疏视角医学影像重建方法[J].

广东工业大学学报,

2025,

42(1):

60–69.

doi:

10.12052/gdutxb.240091.

Liao

Haolin,

Li

Si.

A

method

for

sparse-view

medical

image

reconstruction

based

on

self-attention

neural

radiance

fields[J].

Journal

of

Guangdong

University

of

Technology,

2025,

42(1):

60–69.

doi:

10.12052/gdutxb.240091.

基于自注意力神经辐射场的稀疏视角

医学影像重建方法

廖浩霖，李

斯

（广东工业大学

计算机学院,

广东

广州

510006）

摘要:稀疏视角断层重建对于临床实践中减少辐射剂量具有重要意义。近年来，隐式神经表示(Implicit

Neural

Representation,

INR)

方法在医学图像的稀疏视角断层重建领域得到广泛应用，并展示了卓越的性能。然而，传统

INR方法将每个采样点单独作为输入，忽视了邻近采样点之间的内在联系，从而削弱了重建效果。为解决上述问

题，本文提出了一种新的INR方法。该方法首先将相邻射线上的邻近采样点重新组织成一系列感兴趣窗口，随后将

上述感兴趣窗口输入到一个配备跳跃连接的Transformer查询网络中。利用Transformer网络的自注意力机制，该方法

能够深入学习各个感兴趣窗口内采样点之间的内在联系，从而显著提升重建图像的质量。本文在锥束计算机断层扫

描(Cone-beam

Computed

Tomography,

CBCT)

和平行束单光子发射计算机断层扫描(Single-photon

Emission

Computed

Tomography,

SPECT)

两种断层成像模态上进行了大量的数值实验，与现有的先进INR方法Freq-NAF相比，本文所提

方法在稀疏视角条件下的重建精度和图像可视化方面均表现出更优异的性能。特别是在胸部CBCT数据集，所提方

法的峰值信噪比(Peak

Signal-to-noise

Ratio,

PSNR)

比Freq-NAF方法提高了0.45

dB。

关键词:隐式神经表示；稀疏视角；医学影像重建；自注意力机制；感兴趣窗口

中图分类号:TP391

文献标志码:A

文章编号:1007–7162(2025)01–0060–10

AMethodforSparse-viewMedicalImageReconstructionBasedon

Self-attent