读论文《Learning 3D Gaussians for ExtremelySparse-View Cone-Beam CT Reconstruction》MICCAI 2024.

论文题目：学习三维高斯函数用于极稀疏视图锥束CT重建

主要探讨了一种新的锥束计算机断层扫描（CBCT）重建框架，称为DIF-Gaussian，旨在通过使用更少的投影来减少辐射剂量，同时提高重建图像的质量。

论文地址：[2407.01090] Learning 3D Gaussians for Extremely Sparse-View Cone-Beam CT Reconstruction (arxiv.org)

项目地址：github.com

还是先看论文再看代码

摘要：

        锥束计算机断层扫描（CBCT）是医学成像中不可或缺的技术，但其相关的辐射暴露在临床实践中引起关注。为了降低这些风险，稀疏视图重建已成为重要的研究方向。尽管已经引入了隐式神经表示进行稀疏视图CBCT重建，现有方法主要关注从稀疏投影中查询局部2D特征，这对于处理更复杂的解剖结构（如胸部）是不够的。为此，作者提出了一种新的重建框架DIF-Gaussian，利用3D高斯来表示3D空间中的特征分布，提供额外的3D空间信息以便于估计衰减系数。此外，作者在推理过程中加入了测试时优化（test-time optimization, TTO），以进一步提高模型的泛化能力。通过在两个公共数据集上的评估，DIF-Gaussian显示出比之前最先进方法显著优越的重建性能。        

引言：