读论文《Unsupervised Polychromatic Neural Representation for CT Metal Artifact Reduction》

论文名：CT金属伪影还原的无监督多色神经表示 Polyner

论文地址：arxiv

项目地址：github 项目内model等是加密的，只看论文

摘要(Abstract)

        论文提出了一种新颖的多色神经表示方法（Polyner），用于解决人体内部金属植入物引起的CT成像中的金属伪影问题。CT金属伪影源于金属对X射线光谱不同能量层的衰减系数的剧烈变化，导致CT测量中的非线性金属效应。传统的基于经验模型的金属伪影减少（MAR）方法会导致信号损失和重构混叠。Polyner从非线性逆问题的角度对MAR问题进行建模，首先推导出一个多色前向模型来准确模拟非线性CT采集过程，然后将其整合到隐式神经表示中以完成重建，并采用正则化项来保持CT图像在不同能量层的物理属性，同时有效约束解空间。Polyner是一种无监督方法，不需要任何外部训练数据。在多个数据集上的实验表明，Polyner在领域内数据集上与监督方法表现相当或更优，在领域外数据集上表现显著提升。据作者所知，Polyner是第一个无监督MAR方法，性能超越了其监督对应方法。

        

引言(Introduction)

CT成像是临床诊断中广泛使用的成像技术。然而，金属材料的衰减系数随X射线光谱能量显著变化，导致CT测量中出现非线性金属效应。这使得从金属影响的测量中恢复CT图像成为一个复杂的非线性逆问题。现有的MAR方法大多将其简化为线性逆问题，但会导致CT重建质量下降。监督深度学习方法是当前主流的MAR解决方案，