超分辨率CT重建：3D结构张量正则化与稀疏视图重建

"这篇论文探讨了超分辨率和稀疏视图CT重建的技术，提出了一个灵活的框架，专注于恢复三维体积中的一维和二维流形结构。作者们设计了一种3D结构张量先验，作为正则化器融入传统的邻近优化方法中，用于CT重建。他们还指出，在近端重建框架中，使用同时代数重建技术（SART）比共轭梯度（CG）方法能提供更好的结果，特别是在稀疏视图设置下，需要较少的投影图像。实验结果显示，SART在解决非全局最优问题时表现更优，并且对模拟和真实数据进行了广泛验证。文章还强调了减少投影数量和解析精细结构的重要性，同时减少了辐射剂量。" 超分辨率技术在CT重建中的应用旨在提升图像细节，使图像质量接近或超过原始传感器的分辨率限制。这种技术对于揭示嵌入在三维空间中的薄一维和二维结构，如人造玫瑰、鸡蛋花、真玫瑰、牙刷和海绵等具有重要意义（如图1所示）。在医疗成像中，这种能力有助于更准确地识别和分析细微的解剖结构。 文中提出的新方法是将3D结构张量先验作为正则化项，结合到CT重建的邻近优化算法中。结构张量是一种描述局部几何特征的工具，尤其适用于捕捉线性和平面结构。这一创新能够帮助算法更好地识别和恢复薄的流形结构，从而提高重建的准确性。 在传统的迭代CT重建方法中，如共轭梯度法（CG），可能会遇到收敛到局部最优解而非全局最优解的问题，尤其是在数据项的近端操作中。为了改善这种情况，论文建议使用SART作为替代，因为它在稀疏视图重建时，能以较少的投影数据产生更好的重建效果。这不仅减少了计算负担，还有助于降低辐射剂量，对于患者安全和成像效率都具有积极影响。 论文的实验部分包括对模拟数据和真实数据的重建，展示了所提方法的有效性。代码的公开发布促进了其他研究人员对这种方法的进一步研究和应用。 这篇论文为CT重建领域带来了一种新的方法，通过结合3D结构张量先验和SART优化，提高了超分辨率重建的性能，尤其是在处理稀疏视图数据时，这对于降低辐射剂量和提高成像速度具有重要意义。