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、减少剂量和更好的机械清除非常有益。然而，LA-CBCT重建受到严重的欠采样伪影影响，使其成为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噪声过程生成数据/图像，并可以作为LA-CBCT重建中的去噪/正则化器。在本研究中，我们开发了一种基于扩散模型的框架，即基于先验频率引导的扩散模型（PFGDM），用于强大和保留结构的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知识。具体而言，我们开发了两种不同条件方案的PFGDM变体（PFGDM-A和PFGDM-B）。PFGDM-A在预优化迭代步骤之前应用高频CT信息条件，并在之后放弃，以使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，同时带有衰减机制，逐渐淡化来自先前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优于所有传统和基于扩散模型的方法。PFGDM在非常有限的环绕角度下重建高质量的LA-CBCT，允许更快速和更灵活的CBCT扫描并减少剂量。

本论文旨在解决有限角度采集下的锥束计算机断层成像（CBCT）重建问题，提出了一种基于扩散模型的先验频率引导扩散模型（PFGDM）框架，用于结构保留的LA-CBCT重建。

PFGDM使用条件扩散模型作为LA-CBCT重建的正则化器，并且条件是基于从患者特定先前CT扫描中提取的高频信息，提供LA-CBCT重建的强大解剖先验。PFGDM分别开发了两种变体，PFGDM-A和PFGDM-B，具有不同的调节方案。PFGDM在极小的门架角度下重建高质量的LA-CBCT，允许更快速和更灵活的CBCT扫描，并实现了剂量减少。

实验结果表明，PFGDM优于所有传统和扩散模型的方法。该研究提出的方法可以用于医学影像处理，具有重要的应用价值。

相关研究包括：1.基于机器学习的CT重建方法；2.基于模型的CBCT重建方法；3.基于深度学习的CBCT重建方法。