通过多模态扩散模型实现计算机断层扫描重建的基础即插即用先验

计算机断层扫描 (CT) 吞吐量受到扫描时间的限制，扫描时间随着采集的投影数量和每个投影的探测器积分时间的增加而增长。因此，从稀疏视图或低剂量测量中重建高质量体积取决于使用信息丰富的先验，通常是针对一种特定扫描设置进行训练并在模态、几何形状或材料发生变化时重新训练的神经网络。我们研究跨多个成像领域训练的单一扩散模型是否可以作为异质 CT 重建问题的可重用先验。我们使用相同的扩散视觉 Transformer 模型和归一化去噪强度在模态、光束几何形状、材料和退化类型不同的三个数据集上评估所提出的方法，涵盖分别用锥豆 X 射线 CT 和平行束中子 CT 成像的增材制造金属零件和混凝土微观结构。所提出的方法改进了所有三种情况下的分析重建，证明了所评估问题的可转移性，并为异质 CT 重建之前的可重用基础提供了一步。