锥束CT是一种先进的成像技术，与传统的多排探测器计算机断层扫描（MDCT）相比，在结构设计、成像性质和临床应用范围上具有显著差异，能有效降低扫描剂量，减少电离辐射损伤，已成功应用于多个临床领域。增大投影角度间隔的稀疏投影在降低辐射剂量的同时还可加快锥束CT扫描速度，减少扫描过程中成像对象移动或形变导致的运动伪影。但目前商用锥束CT的标准算法对投影数据的完备性要求较高，在稀疏投影条件下，重建图像会出现严重的条状伪影并伴有明显噪声。这一缺陷严重制约了锥束CT稀疏投影扫描方式在临床中的应用。
内容简介
近日，苏州医工所高欣团队提出了一种正弦-投影图级联修复策略（如图1所示），采用两个级联的深度学习网络先后对正弦图形式和投影图形式的投影数据序列进行修复，充分挖掘两个域内数据的相关性，提升稀疏投影数据序列修复质量。同时通过通道注意力和空间注意力的融合，构建了一种星形注意力网络（如图2所示），能有效捕捉输入特征图中每个像素在三维空间中的相关性信息，增强网络滤除伪影及保留真实结构的能力。图3展示了1/4稀疏采样条件下所提方法与公开报道先进方法的重建结果。结果表明，在剂量减少75%的情况下，所提方法可以重建出与全剂量CT重建图像质量相当的CT图像，较其它先进方法，在滤除伪影、保留真实结构、降低噪声水平等方面有显著提升。该研究有望推动稀疏投影锥束CT在临床中的应用，减少医患辐射损伤。
图2 星形注意力网络结构示意图（a）星形注意力（b）星形注意力网络
相关研究成果以“StarAN: A Star Attention Network Utilizing Inter-view and Intra-view Correlations for Sparse-view Cone-beam Computed Tomography Reconstruction”为题发表于 Expert Systems With Applications (中国科学院一区)。苏州医工所博士研究生靳鑫为论文第一作者，高欣研究员为通讯作者。该研究得到国家重点研发计划（2022YFC2408400）的支持。
THE END
