[论文解读] SNAF: Sparse-view CBCT Reconstruction with Neural Attenuation Fields

Yu Fang, Lanzhuju Mei+5 more|arXiv (Cornell University)|Nov 30, 2022

Medical Imaging Techniques and Applications被引用 11

一句话总结

该论文提出SNAF，一种基于神经衰减场的稀疏视角CBCT重建方法，通过引入一种新颖的视角增强策略，显著提升特征学习能力并减少伪影，仅需20个输入视角即可实现高质量图像重建——较临床标准减少25倍——在包含金属伪影的挑战性数据上，PSNR > 30且SSIM > 0.92，优于当前最先进方法。

ABSTRACT

Cone beam computed tomography (CBCT) has been widely used in clinical practice, especially in dental clinics, while the radiation dose of X-rays when capturing has been a long concern in CBCT imaging. Several research works have been proposed to reconstruct high-quality CBCT images from sparse-view 2D projections, but the current state-of-the-arts suffer from artifacts and the lack of fine details. In this paper, we propose SNAF for sparse-view CBCT reconstruction by learning the neural attenuation fields, where we have invented a novel view augmentation strategy to overcome the challenges introduced by insufficient data from sparse input views. Our approach achieves superior performance in terms of high reconstruction quality (30+ PSNR) with only 20 input views (25 times fewer than clinical collections), which outperforms the state-of-the-arts. We have further conducted comprehensive experiments and ablation analysis to validate the effectiveness of our approach.

研究动机与目标

• 解决低剂量、稀疏视角CBCT重建中辐射暴露最小化的问题。
• 克服现有稀疏视角重建方法中存在的伪影与细节丢失问题。
• 利用神经隐式表示在低数据条件下实现精确的体积重建。
• 开发一种视角增强策略，提升新视角合成中的泛化能力与清晰度。
• 在真实临床数据上验证该方法，包括金属伪影场景。

提出的方法

• 该方法使用多分辨率哈希表学习神经衰减场，以等步长射线追踪替代标准NeRF的重要性采样，实现更优的体积分部积分。
• 引入两阶段训练流程：首先在稀疏输入视角上训练神经场以生成中间新视角；其次，利用相邻输入视角通过去模糊网络对这些视角进行精细化处理。
• 将去模糊后的新型视角用于微调神经衰减场，从而提升重建质量与一致性。
• 提出一种新颖的视角增强策略，生成中间视角，并利用相邻视角作为监督信号，增强正则化效果并减少模糊。
• 该方法避免使用深度监督与基于表面的正则化，因CBCT中缺乏显式表面，此类方法不适用。
• 该方法针对体渲染进行优化，直接在三维空间中建模X射线衰减系数。

实验结果

研究问题

• RQ1 神经衰减场能否仅用20个视角有效重建高质量CBCT体积？
• RQ2 视角增强在稀疏视角设置下如何提升重建保真度并减少伪影？
• RQ3 该方法能否泛化至具有挑战性的临床场景，如金属伪影？
• RQ4 何种扫描范围（如180°、210°、360°）能在重建质量与扫描时间之间实现最优平衡？
• RQ5 重建的体积是否能够支持下游临床任务，如牙齿分割？

主要发现

• SNAF在仅20个输入视角的稀疏视角CBCT重建中，PSNR超过30，SSIM高于0.92，显著优于FBP与SART方法。
• 该方法有效减少条状伪影并保留细微解剖结构，即使在存在金属植入物的情况下，FBP与SART仍产生无法使用的图像。
• 当扫描范围为210°时，重建质量趋于稳定，表明这是扫描时间与图像质量之间的最优权衡点。
• 基于20视角输入重建的体积成功实现了牙齿实例分割，证明了其临床可用性。
• 该方法在多种扫描条件下表现稳定，对噪声与数据有限具有强鲁棒性。
• 消融实验验证了两阶段训练与视角增强策略在提升重建清晰度与细节恢复方面的有效性。