追踪预言：改进 3D CT 重建的扩散时间步长调度

预训练的扩散模型在解决高度不适定的 3D 计算机断层扫描 (CT) 反问题方面表现出巨大的潜力，但推理过程却面临着巨大的计算开销。此外，现有的统一时间步长计划无法捕获反向条件扩散随机微分方程的非均匀演化，从而引入大量截断误差。为了克服这一限制，我们提出了 Tracing the Oracle (TrO)，这是一个用于改进时间步调度的即插即用框架。具体来说，我们将少数样本上的密集采样数值积分轨迹视为参考预言。通过利用动态规划来提取优化调度，以全局最小化少步逼近和预言机之间的累积误差。该机制将有限的采样步骤精确地分配给极易受到截断错误影响的关键进化阶段。我们在 AAPM 数据集上跨多个 3D CT 重建任务进行的广泛实验表明，与现有的启发式计划相比，与最先进的 3D CT 重建方法 DDS 相结合时，我们的优化时间步显着提高了重建保真度和计算效率，特别是在不超过 10 个采样步骤的严格预算下。