
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于扩散模型先验的稀疏视角CT重建分布外检测研究
《Scientific Reports》:Exploring out-of-distribution detection for sparse-view computed tomography with diffusion models
【字体: 大 中 小 】 时间:2026年09月30日 来源:Scientific Reports 4.9
编辑推荐:
摘要近期研究表明,扩散模型作为无监督求解器在逆成像问题中具有显著效果。稀疏视角CT(计算机断层扫描)在受益于这些进展的同时,无需依赖测量参数即可实现更好的泛化能力。然而,这也带来了潜在的幻觉风险,尤其是在处理分布外(OOD)数据时。为确保可靠性,研究和应用跨临床与工业领域的C
近期研究表明,扩散模型作为无监督求解器在逆成像问题中具有显著效果。稀疏视角CT(计算机断层扫描)在受益于这些进展的同时,无需依赖测量参数即可实现更好的泛化能力。然而,这也带来了潜在的幻觉风险,尤其是在处理分布外(OOD)数据时。为确保可靠性,研究和应用跨临床与工业领域的CT重建中的分布外检测至关重要。这一需求还进一步延伸至使分布外检测器能够作为异常检测工具有效运行。本文探讨了一种经过训练以捕获CT重建目标分布的扩散模型作为分布内先验的使用。基于近期研究,我们利用该模型对部分扩散的输入图像进行重建,并通过多种重建误差来评估其分布外程度。将此方法应用于稀疏视角CT需要对"输入"和"重建误差"的概念进行重新定义。本文中,我们采用滤波反投影(FBP)重建作为输入,并探讨各种重建误差的定义。在MNIST数据集上的概念验证实验揭示了该方法的成功与失败之处,展示了将此类分布外检测器集成到CT重建系统中的潜力与局限性。我们的发现表明,通过将测量值与前向投影重建进行比较,可以有效实现分布外检测,前提是噪声FBP输入的重建以测量值为条件。然而,条件化有时会导致分布外检测器对分布外图像产生良好的重建效果。为应对这一问题,我们引入了一种加权方法,以提高对高信息量分布外测量值的鲁棒性,尽管在某些情况下性能会有一定损失。