EUReCA：跨临床采集的端到端统一CBCT重建

锥形束计算机断层扫描（CBCT）广泛用于图像引导放疗，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，跨临床采集的端到端统一重建），这是一个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 以单一权重集接受 8–100 个投影，无需针对视角数重新训练；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。该模型用共享的多尺度骨干网络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，在固定计算成本下聚合可变数量的视角，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 个视角下达到 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，同时运行速度快数个数量级。在 15 例实测患者 CBCT 扫描上对照厂商重建进行评估，EUReCA 在每个测试视角数下均取得最佳性能。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。

中文由 AI 翻译，仅供参考，以原文为准。