DiffuX2CT: Diffusion Learning to Reconstruct CT Images from Biplanar X-Rays

计算机断层扫描（CT）因其能够提供人体详细的三维图像而被广泛应用于临床环境中。然而，由于辐射暴露和某些手术环境的限制，进行CT扫描并不总是可行的。作为替代方案，从超稀疏X射线重建CT图像提供了有价值的解决方案，并在科学研究和医疗应用中得到了广泛关注。然而，它具有很大的挑战性，因为它本质上是一个不适定问题，常常会因X射线图像中重叠结构而产生伪影。在本文中，我们提出了DiffuX2CT，将从正交双平面X射线重建CT图像建模为条件扩散过程。DiffuX2CT建立了一个三维全局相干去噪模型，具有新的隐式调节机制。我们通过一个新设计的三平面解耦发生器和一个隐式神经解码器实现了调节机制。通过这样做，DiffuX2CT实现了结构可控重建，使得可以从二维X射线中恢复三维结构信息，从而在CT图像中产生忠实的纹理。作为额外的贡献，我们收集了一个名为LumbarV的真实腰椎CT数据集，作为验证从X射线重建CT的临床意义和性能的新基准。对该数据集和另外三个公开可用的数据集进行了大量实验，证明了我们提出的方法的有效性。

论文提出了DiffuX2CT，一种从超稀疏X射线中重建CT图像的方法，旨在解决X射线图像中重叠结构导致的伪影问题。

DiffuX2CT将CT重建建模为有条件扩散过程，并使用全局一致性去噪模型和新的隐式条件机制实现结构可控重建，从而从二维X射线中恢复三维结构信息。

论文提出了一个新的条件机制，包括三平面解耦生成器和隐式神经解码器，实现了结构可控重建。此外，作者还收集了一个真实的腰椎CT数据集作为新的基准来验证方法的性能，并进行了广泛的实验。

在这个领域中，最近的相关研究包括：1）使用GAN进行CT重建；2）使用深度学习进行X射线图像去伪影；3）使用投影匹配算法进行CT重建。