中国科学院合肥物质科学研究院：开发出稀疏视角CT重建新方法

本文针对稀疏视角低剂量CT重建中单一模型难以适应多种稀疏视角场景的问题，提出了一种多阶段双域渐进式网络与协同训练方法。研究背景是稀疏视角CT通过减少采样角度降低患者辐射剂量，但重建图像易产生伪影，传统方法需针对不同视角条件分别训练模型，效率低下。研究目的是开发一种高效通用的重建框架，提升重建精度与泛化能力。该方法采用多视角协同训练策略，将数据划分为超稀疏组和稀疏组，使单一模型鲁棒适应多种扫描条件；同时构建多阶段双域网络结构，前期提取多尺度特征，最终阶段进行高保真重建，并通过跨阶段特征适配器优化信息融合。实验在AAPM和肺部CT数据集上验证，结果显示在144视角下峰值信噪比达40.66 dB，超稀疏18视角下仍保持30.16 dB，优于现有方法，结论表明该方法提升了图像质量，降低了训练复杂度，为临床低剂量CT应用提供了技术支持。