近日，中國科學(xué)院合肥物質(zhì)院健康所/合肥腫瘤醫(yī)院王宏志研究員團(tuán)隊在稀疏視角CT（Sparse-view CT, SVCT）重建領(lǐng)域取得重要進(jìn)展，提出了一種多階段雙域漸進(jìn)式網(wǎng)絡(luò)與協(xié)同訓(xùn)練方法。該研究突破了單一模型難以適應(yīng)多種稀疏視角場景的瓶頸，顯著提升了CT重建的精度與泛化能力。相關(guān)研究成果以題為“Multi-stage Dual-domain Progressive Network with Synergistic Training for Sparse-view CT Reconstruction”發(fā)表于國際權(quán)威期刊Neural Networks（DOI：https://doi.org/10.1016/j.neunet.2025.108221.）。

稀疏視角低劑量CT通過減少采樣角度來降低患者輻射劑量并縮短掃描時間，但重建圖像中往往存在偽影，嚴(yán)重影響影像質(zhì)量與診斷可靠性。傳統(tǒng)方法通常需針對不同視角條件分別訓(xùn)練模型，耗時耗力且泛化能力不足。

針對這一問題，研究團(tuán)隊提出了基于協(xié)同訓(xùn)練的多階段雙域漸進(jìn)重建方法（MDPRNet），在模型結(jié)構(gòu)與訓(xùn)練策略上實現(xiàn)雙重創(chuàng)新。一方面，團(tuán)隊設(shè)計了多視角協(xié)同訓(xùn)練策略，將訓(xùn)練數(shù)據(jù)按采樣視角數(shù)量劃分為“超稀疏組”（18、24、36、42視角）與“稀疏組”（72、96、144、168視角），使單一模型能夠魯棒適應(yīng)多種掃描條件。該策略有效避免了大跨度視角訓(xùn)練中性能不穩(wěn)定的問題，顯著提升了極稀疏場景下的重建效果與穩(wěn)定性。另一方面，團(tuán)隊構(gòu)建了多階段雙域漸進(jìn)重建網(wǎng)絡(luò)結(jié)構(gòu)（MDPRNet）。網(wǎng)絡(luò)前期階段利用編碼器–解碼器架構(gòu)，從正弦域與圖像域中提取多尺度上下文特征；最終階段引入單尺度特征子網(wǎng)絡(luò)（SSFNet），在原始分辨率下進(jìn)行高保真重建。為優(yōu)化階段間特征傳遞，研究還引入跨階段特征適配器（CFA），結(jié)合可學(xué)習(xí)全局注意門（LGAG）與監(jiān)督注意模塊（SAM），實現(xiàn)了特征在多階段間的高效融合與信息協(xié)同。

研究團(tuán)隊在AAPM公開數(shù)據(jù)集和自建的肺部異常CT影像數(shù)據(jù)集（LACI）上進(jìn)行了系統(tǒng)驗證。實驗結(jié)果顯示，MDPRNet在所有稀疏視角場景下均優(yōu)于現(xiàn)有方法。特別是在144視角條件下，PSNR達(dá)到40.66 dB，比當(dāng)前最優(yōu)方法提升近3 dB；在超稀疏的18視角條件下，PSNR仍達(dá)30.16 dB，展現(xiàn)出優(yōu)異的穩(wěn)健性能。

該研究提出了一種高效、通用的稀疏視角CT重建框架，不僅顯著提升了圖像質(zhì)量，還降低了多模型訓(xùn)練的復(fù)雜度，為臨床低劑量CT的推廣應(yīng)用提供了有力的技術(shù)支撐。中國科學(xué)院合肥物質(zhì)院健康所博士研究生邵婧媛為論文第一作者，王宏志研究員、竇少彬副研究員為論文通訊作者。

文章鏈接：https://www.sciencedirect.com/science/article/abs/pii/S0893608025011025

圖1.展示了用于稀疏視角CT重建的MDPRNet模型整體架構(gòu)，采用多階段漸進(jìn)式重建框架。

早期階段使用U型網(wǎng)絡(luò)從正弦圖和CT圖像中提取多尺度特征，

最終階段采用單尺度網(wǎng)絡(luò)(SSFNet)在原始分辨率下重建，以保留細(xì)節(jié)紋理。

新聞鏈接：http://www.hf.cas.cn/kxyj/kyjz/202510/t20251029_7999108.html