Prior Frequency Guided Diffusion Model for Limited Angle (LA)-CBCT Reconstruction

锥束计算机断层扫描（CBCT）广泛用于图像引导放射治疗。从有限角度采集（LA-CBCT）重建CBCT对于提高成像效率、降低剂量和改善机械清除效果非常有帮助。然而，LA-CBCT重建受到严重的欠采样伪影的影响，使其成为一个高度不适定的反问题。扩散模型可以通过学习数据分布来通过反向数据去噪过程生成数据/图像，并可以作为LA-CBCT重建中的去噪/正则化器。在本研究中，我们开发了一个基于扩散模型的框架，即先验频率引导的扩散模型（PFGDM），用于稳健且保持结构的LA-CBCT重建。PFGDM使用条件扩散模型作为LA-CBCT重建的正则化器，条件基于从患者特定先前CT扫描中提取的高频信息，为LA-CBCT重建提供了强大的解剖学先验。具体而言，我们开发了两个变体的PFGDM（PFGDM-A和PFGDM-B），具有不同的调节方案。PFGDM-A将高频CT信息条件应用到预优化迭代步骤，然后放弃它，以使得可以重建相似和不同的CT/CBCT解剖结构。另一方面，PFGDM-B在每个重建步骤中连续应用先前的CT信息条件，同时具有衰减机制，逐渐淘汰先前CT扫描的重建指导。通过PSNR和SSIM等指标，测试和比较了PFGDM的两个变体与当前可用的LA-CBCT重建解决方案。PFGDM优于所有传统和扩散模型的基础方法。PFGDM在非常有限的环绕角度下重建高质量的LA-CBCT，可以实现更快速和更灵活的CBCT扫描，并降低剂量。

解决问题：本文旨在解决有限角度采集（LA-CBCT）重建中的欠采样伪影问题，提出了一种基于扩散模型的框架——PFGDM，用于稳健、结构保持的LA-CBCT重建。

关键思路：PFGDM使用条件化扩散模型作为LA-CBCT重建的正则化器，条件基于从患者先前的CT扫描中提取的高频信息，提供了强有力的解剖先验。PFGDM-A和PFGDM-B是PFGDM的两个变体，具有不同的条件方案。PFGDM在极少的摆位角度下重建高质量的LA-CBCT，实现了更快速、更灵活的CBCT扫描和剂量减少。

亮点：本文提出的PFGDM框架在PSNR和SSIM等指标上优于传统和扩散模型方法。实验使用了真实数据集进行验证，PFGDM的两个变体都表现出很好的稳健性和结构保持性。本文的方法对于提高影像学效率、减少剂量和改善机械间隙具有实际应用价值。

相关研究：最近的相关研究包括：1. 一种基于深度学习的LA-CBCT重建方法；2. 基于模型的LA-CBCT重建方法；3. 基于正则化的LA-CBCT重建方法。