换一批基于隐式神经表示的能谱CT重建与物质分解方法研究
Research on spectral CT reconstruction and material decomposition method based on implicit neural representation
摘要目的 解决能谱CT传统重建方法依赖离散体素网格、计算复杂度高,且在低剂量与欠采样条件下重建质量下降、物质分解精度不足的技术难题.方法 提出一种基于隐式神经表示(implicit neural representation,INR)的能谱CT重建与物质分解方法.该方法采用多分辨率哈希编码将空间坐标映射为高维特征,并通过轻量级多层感知机(multi-layer perceptron,MLP)解码输出基物质密度,将重建过程转化为最小化投影一致性损失的非线性优化问题.结果 基于快速千伏切换仿真数据与双层平板探测器实际数据完成性能验证,与传统的投影域物质分解结合滤波反投影(filter back projection,FBP)的两步法相比,该方法有效提升了图像的信噪比与物质分解精度,并在稀疏视图条件下展现出更强的鲁棒性.结论 本方法可为新一代能谱CT技术的低剂量临床应用提供新的算法路径与理论依据.
更多相关知识
关键词
隐式神经表示能谱CT物质分解图像重建Implicit neural representationSpectral CTMaterial decompositionImage reconstruction
分类号
TL81
栏目名称
DOI
10.11876/mimt202602001
发布时间
2026-05-27（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2024YFC2417500）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
