近日，中國科學院合肥物質(zhì)科學研究院王宏志團隊在稀疏視角CT重建方面取得進展，提出了多階段雙域漸進式網(wǎng)絡與協(xié)同訓練方法。該研究突破了單一模型難以適應多種稀疏視角場景的瓶頸，提升了CT重建的精度與泛化能力。

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，但重建圖像往往存在偽影，影響影像質(zhì)量與診斷可靠性。通常，傳統(tǒng)方法需針對不同視角條件分別訓練模型，耗時耗力且泛化能力不足。

研究團隊提出了基于協(xié)同訓練的多階段雙域漸進重建方法MDPRNet，在模型結(jié)構(gòu)與訓練策略上實現(xiàn)雙重創(chuàng)新。團隊設計了多視角協(xié)同訓練策略，將訓練數(shù)據(jù)按采樣視角數(shù)量劃分為“超稀疏組”與“稀疏組”，使單一模型能夠魯棒適應多種掃描條件。這一策略避免了大跨度視角訓練中性能不穩(wěn)定的問題，提升了極稀疏場景下的重建效果與穩(wěn)定性。同時，團隊構(gòu)建了多階段雙域漸進重建網(wǎng)絡結(jié)構(gòu)。網(wǎng)絡前期階段利用編碼器–解碼器架構(gòu)，在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，在原始分辨率下進行高保真重建。為優(yōu)化階段間特征傳遞，研究引入跨階段特征適配器，結(jié)合可學習全局注意門與監(jiān)督注意模塊，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)集上進行系統(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，峰值信噪比達到40.66 dB，比當前最優(yōu)方法提升近3 dB；在超稀疏的18視角條件下，峰值信噪比仍達30.16 dB，展現(xiàn)出優(yōu)異的穩(wěn)健性能。

高效通用的稀疏視角CT重建框架，提升了圖像質(zhì)量，降低了多模型訓練的復雜度，為臨床低劑量CT的推廣應用提供了技術(shù)支撐。

相關研究成果發(fā)表在Neural Networks上。