Physics-informed Score-based Diffusion Model for Limited-angle Reconstruction of Cardiac Computed Tomography

心脏计算机断层扫描（CT）已经成为诊断和监测心血管疾病的主要成像模式。高时间分辨率对确保诊断准确性至关重要。有限角度数据采集可以减少扫描时间和提高时间分辨率，但通常会导致严重的图像降质，并促使改进重建技术。在本文中，我们提出了一种新的物理信息得分扩散模型（PSDM），用于有限角度重建心脏CT。在采样时间，我们结合了扩散模型的数据先验和通过迭代算法和傅里叶融合获得的模型先验，以进一步提高图像质量。具体而言，我们的方法将原始-对偶混合梯度（PDHG）算法与基于得分的扩散模型相结合，从而使我们能够从有限角度数据中重建高质量的心脏CT图像。数值模拟和实际数据实验证实了我们提出的方法的有效性。

本论文试图解决心脏CT有限角度重建中图像质量下降的问题，提高重建精度和时间分辨率。

论文提出了一种基于物理信息的得分扩散模型（PSDM）来重建心脏CT图像。该方法结合了扩散模型的数据先验和迭代算法和傅里叶融合得到的模型先验，从而能够从有限角度数据中重建高质量的心脏CT图像。

论文的实验结果表明，该方法可以在有限角度下重建高质量的心脏CT图像。此外，该方法还结合了PDHG算法和得分扩散模型，具有较高的时间效率和精度。论文使用了数值模拟和真实数据实验进行验证。

近期的相关研究包括：1. 'Deep Learning-Based Limited-Angle CT Reconstruction: Methods and Applications'；2. 'Low-Dose CT with a Residual Encoder-Decoder Convolutional Neural Network'。