XctDiff: Reconstruction of CT Images with Consistent Anatomical Structures from a Single Radiographic Projection Image

本文提出了XctDiff算法框架，用于从单张放射线照片重建CT图像，该算法将重建过程分解为两个易于控制的任务：特征提取和CT重建。具体而言，我们首先设计了一种渐进式特征提取策略，能够从放射线照片中提取出强大的三维先验知识。然后，我们使用提取出的先验信息来指导潜在空间中的CT重建。此外，我们设计了一个均匀的空间码本来进一步提高重建质量。实验结果表明，我们提出的方法实现了最先进的重建性能，并克服了模糊问题。我们还将XctDiff应用于自监督预训练任务。有效性表明它在医学图像分析中有着有前途的额外应用。代码可在以下链接获取：https://github.com/qingze-bai/XctDiff。

文章提出了XctDiff算法框架，旨在解决从单张放射影像中重建CT的问题。该算法将重建过程分解为两个容易控制的任务：特征提取和CT重建。这是否是一个新问题？

文章设计了一种渐进式特征提取策略，能够从放射影像中提取出强大的三维先验知识。然后，使用提取的先验信息来指导潜在空间中的CT重建。此外，设计了一个均匀的空间码本来进一步提高重建质量。

该算法框架在实验中表现出了最先进的重建性能，并克服了模糊问题。作者还将XctDiff应用于自监督预训练任务，并取得了良好的效果，表明它在医学图像分析方面具有有前途的应用。该代码已经开源。

最近的相关研究还包括：1. 'Single-Image CT Reconstruction Using Convolutional Neural Network with Learned Radon Filter' 2. 'DeepCT: Tomographic Reconstruction of Low-Dose CT Using Deep Convolutional Neural Network and Prior Image Information'