Diffusion-based Generative Image Outpainting for Recovery of FOV-Truncated CT Images

本文介绍了一种使用生成式图像扩展技术来恢复被截断的胸部CT扫描视野（FOV）的方法。这对于准确分析人体组成至关重要，包括在CT切片上量化骨骼肌和皮下脂肪组织（SAT），从而实现疾病预测。我们训练了一个扩散模型，并将其应用于通过模拟小FOV生成的被截断的CT切片。尽管使用的数据量少了87％，但我们的模型可靠地恢复了被截断的解剖结构，并且表现优于先前的最佳方法。

论文旨在通过生成式图像外推方法解决胸部CT扫描FOV不完整的问题，以便进行身体组成分析，从而实现疾病预测。

使用扩散模型对FOV不完整的CT切片进行训练，生成缺失解剖结构，实现FOV恢复。

论文在87％的数据量下，比之前的最新研究表现更好。实验使用了模拟的小FOV生成的截断CT切片。研究结果显示，该方法对于身体组成分析非常有效。

最近的相关研究包括使用GAN和深度学习方法进行FOV恢复的研究，如“Deep learning-based CT partial volume correction for improving PET quantification in the lung”和“Deep learning-based CT image completion using multi-scale residual convolutional neural network”等。