arXiv cs.AI· Jiening Zhu, Chengzhu Zhang, Jason Fan, LiCheng Kuo, Weixing Cai, Xiuxiu He, Laura Cervino, Jean Moran, Xiang Li, Tianfang Li, Yabo Fu·· 13 小时前AI 评分38
EUReCA：面向临床采集的端到端统一 CBCT 重建模型
EUReCA: End-to-End Unified CBCT Reconstruction Across Clinical Acquisitions
AI 导读
EUReCA 是一个几何感知的前馈模型，用同一套权重即可处理 8-100 个投影的临床直线加速器 CBCT 重建，无需按视角数重新训练，同一架构和训练方案可迁移到其他临床轨迹。在模拟数据上，10-100 视角下 PSNR 达 29.9-33.2 dB，优于所有适用的前馈基线，并超过迭代优化方法且速度快数个数量级。在 15 例实测患者 CBCT 扫描上，每个测试视角数下均取得最佳性能。
正文 · AI 翻译
作者：Jiening Zhu、Chengzhu Zhang、Jason Fan、LiCheng Kuo、Weixing Cai、Xiuxiu He、Laura Cervino、Jean Moran、Xiang Li、Tianfang Li、Yabo Fu
摘要：锥形束计算机断层扫描（CBCT）广泛用于图像引导放射治疗，但减少投影数量以降低剂量和扫描时间会使重建问题愈发不适定。我们提出 EUReCA（End-to-end Unified REconstruction across Clinical Acquisitions），一种面向可变视角临床直线加速器 CBCT 的几何感知前馈模型。对于给定的采集轨迹，EUReCA 使用单一权重集接受 8-100 个投影，无需针对视角数量重新训练；相同的架构和训练方案可原样扩展到其他临床轨迹。它将学习到的投影特征与帧内 Feldkamp-Davis-Kress（FDK）重建相结合。该模型使用共享的多尺度主干对每个投影进行编码，利用采集几何将特征反投影到多分辨率 3D 网格中，以固定计算成本聚合可变数量的视图，并通过全局 3D transformer 和多级解码器对体数据进行细化。在模拟数据上，EUReCA 在 10-100 个视图下达到 29.9-33.2 dB PSNR，优于所有适用的前馈基线；它还超过了基于迭代优化的方法，同时运行速度快几个数量级。在 15 例实测患者 CBCT 扫描上对照厂商重建进行评估，EUReCA 在每个测试的视图数量下均取得最佳性能。这些结果表明，几何感知、以测量为锚的前馈重建可为可变视角直线加速器 CBCT 提供实用且灵活的基础。
| 主题： | 图像与视频处理（eess.IV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.37740 [eess.IV] |
| （或本版本的 arXiv:2610.37740v1 [eess.IV]） | |
| https://doi.org/10.48550/arXiv.2610.37740 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jiening Zhu [查看电子邮件]
[v1]
2026年10月27日星期二 16:52:56 UTC（8,467 KB）
来源：arXiv cs.AI · arxiv.org