基于自监督隐式神经表示的稀疏视图太赫兹 CT 重建

《Optics and Lasers in Engineering》:Self-supervised implicit neural representation-based sparse-view THz-CT reconstruction

【字体: 大 中 小 】 时间:2026年05月12日 来源:Optics and Lasers in Engineering 3.7

编辑推荐:

  窦家珍|林俊成|方丛林|唐军|钟丽云|钱克茂|翟建国|秦玉文 中国教育部 Guangdong University of Technology 光子技术集成传感与通信重点实验室,信息工程学院,广州 510006,中国 **摘要** 为了解决太赫兹计算机断层扫描(TH

  窦家珍|林俊成|方丛林|唐军|钟丽云|钱克茂|翟建国|秦玉文
中国教育部 Guangdong University of Technology 光子技术集成传感与通信重点实验室,信息工程学院,广州 510006,中国

**摘要**
为了解决太赫兹计算机断层扫描(THz CT)成像中的挑战,如扫描速度慢、难以获得准确标签以及数据集规模小等问题,本文提出了一种基于自监督隐式神经表示(SINR)的3D体积重建方法,该方法通过2D切片基INR方法实现对稀疏视图THz-CT的重建。在SINR中,通过将复Gabor小波激活函数与多层感知器(MLP)结合,建立了坐标与重建像素值之间的隐式映射关系。随后,通过结合Radon变换和均方误差损失,实现了预测THz-CT图像与测量得到的稀疏视图投影数据之间的自监督约束优化。同时,利用Radon变换估计缺失视图的投影数据。最后,通过快速迭代收缩阈值算法模块迭代重建预测的全视图投影数据,以增强THz-CT图像的细节轮廓信息。在具有不同稀疏视图的复合样本上的实验验证表明,SINR在去除伪影和保持结构方面优于传统的解析和迭代重建算法。该方法为在有限投影数据下的高保真3D成像提供了可靠且高效的框架。

**引言**
计算机断层扫描(CT)是一种广泛使用的3D成像技术,它通过分析从多个入射视图穿过样本的辐射来提供物体的横截面图像。通过选择不同的电磁光谱(包括但不限于X射线、可见光、红外辐射和太赫兹波),CT成像技术可以应用于多种领域。其中,太赫兹(THz)辐射由于其非电离性质和对生物及材料的安全性而被广泛应用于成像。与传统CT模式相比,THz成像具有独特优势,如光谱指纹识别能力和对分子振动模式的敏感性,这使得材料识别成为可能。此外,THz波在许多非极性和低损耗介电材料中具有良好的穿透性能,特别适合用于聚合物、陶瓷和复合结构的检测[1]。这些优势使得THz成像技术在生物医学、农业和食品以及国防安全等领域具有广泛应用前景[2][3][4][5]。同样,基于太赫兹的3D成像技术THz-CT也广泛应用于医疗临床诊断、非金属和非极性材料的内部结构无损可视化等[6][7][8][9]。它为工业无损检测、爆炸物检测和文物维护提供了更安全、更准确的检测方法。根据THz源生成方式和设备检测方法的不同,THz-CT成像技术有两种扫描模式:连续波(CW)太赫兹和太赫兹时域光谱(TDS)。基于CW的THz-CT成像记录穿透和反射样本的THz波的强度信息[8],而基于TDS的THz-CT成像则通过脉冲信号的时间分析捕获光谱和折射率信息,包括电场强度、回波和极性变化[10]。THz-TDS具有更宽的光谱响应带宽和更高的空间成像分辨率,适用于复杂样本的成像。然而,其较低的功率输出导致数据采集时间较长。

为提高THz-TDS系统的速度并优化THz-CT成像,人们进行了多种改进。THz-CT成像最初利用THz-TDS扫描从旋转样本的脉冲信号重建3D结构[11]。扫描振镜[12]和单像素检测[13,14]等技术加快了THz系统的成像速度。然而,THz-TDS系统中的逐点扫描数据采集方式限制了成像速度的进一步提高[15,16]。为解决这一问题,引入了稀疏视图扫描方法,通过增加旋转台的角间隔来加快数据采集速度,并通过优化算法提高THz-CT图像的重建精度。然而,使用传统的滤波反投影(FBP)算法重建的THz-CT图像容易出现严重的条纹伪影和噪声,并伴随束硬化效应。迭代算法(如代数重建技术ART和同时代数重建技术SART)已被用来缓解这些问题[17][18][19][20]。但对于稀疏投影数据和更复杂的样本结构,传统代数迭代算法的性能显著下降,重建的图像会出现明显的伪影信息。为此,压缩感知(CS)[21]被进一步引入作为迭代重建算法中的先验约束项,例如,钟等人提出了一种基于字典学习的稀疏视图CT重建算法[22]。然而,字典更新过程计算量较大,增加了算法的计算时间和复杂性。同样,王等人将总变分(TV)引入ART算法并结合非负约束,增强了算法的噪声抑制能力,并通过约束重建图像的梯度信息提高了CT图像的清晰度[16]。然而,TV约束项可能导致恢复图像中出现阶梯状伪影等问题。

THz-CT成像的一个关键挑战是需要关于样品材料和几何配置的先验知识,这在实际应用中并不总是可用的。最近在深度学习方面的进展为自动从THz时域数据中提取先验信息提供了有希望的解决方案。然而,监督学习需要大规模的标记数据集,并且对成像条件的变化敏感,导致计算成本较高[23][24][25][26][27][28]。隐式神经表示(INR),也称为基于坐标的多层感知器(MLP)[29],提供了一种将坐标空间连续映射到特征空间的强大方法。基于INR的模型在3D形状渲染和图像超分辨率等应用中取得了显著成功,有效地捕捉了复杂对象特征并提供了高质量的先验信息[30,31]。

本文开发了一种基于自监督INR的3D成像方法,用于稀疏视图THz-CT(SINR),该方法包括一个位于正弦图域的先验正弦图预测模块和一个位于图像域的快速迭代收缩阈值算法(FISTA)模块。值得注意的是,所提出的框架使用2D坐标基INR进行逐层重建。3D体积是通过堆叠重建的2D切片获得的,而不是使用具有体积坐标的统一3D INR。实现先验正弦图预测模块时,首先使用傅里叶特征编码层对THz-CT图像的2D坐标值进行编码,然后结合带有复Gabor小波激活函数的改进MLP将编码后的坐标值映射到先验THz-CT图像的像素值。最后,通过Radon变换和均方误差损失实现预测的THz-CT图像与系统测量的稀疏视图投影数据之间的自监督约束优化,同时根据Radon变换估计缺失视图的投影数据,然后从稀疏视图投影数据合成全视图先验正弦图。进一步地,通过FISTA在图像域迭代重建预测的先验正弦图,以增强THz-CT图像的结构轮廓信息。该方法可以直接从稀疏视图投影数据重建高质量的THz-CT图像,而无需依赖精确的样本标记。实验结果表明,SINR在结构相似性、峰值信噪比(PSNR)和归一化均方根误差(RMSE)指标方面优于传统方法,如FISTA和TV。需要注意的是,所提出的框架是专门为基于THz-TDS的CT系统开发和验证的。尽管该通用公式可以扩展到其他CT模式,但本文不声称其具有直接的可泛化性,需要针对特定模式的成像物理进行进一步调整。

**THz-CT重建原理**
理想情况下,对于传统的并行THz-CT成像系统,探测器获取的信号强度可以表示为:
I(θ,t) = Iα(θ,t)e?∫L(θ,t)μ(x,y)dl
其中Iα(θ, t)是THz光源的强度,I(θ, t)是光线穿透路径L(θ, t)后的衰减强度。θ是样本的旋转视图(投影视图)。t是THz光源沿样本横截面逐点移动的位置。(x, y)是...

**实验硬件设置**
THz-TDS实验设置如图2所示,包括脉冲发射器、样品、探测器和THz设备源(API公司的T-Ray5000系列THz-TDS系统),该系统集成了锁模钛宝石飞秒激光器(输出功率20 mW,脉冲宽度100 fs,中心波长810 nm,重复频率80 MHz),以及信号放大器,提供0.2~3 THz的光谱范围、0.1 ps的时间分辨率、3.1 GHz的频率分辨率和约70 dB的峰值动态范围。

**2D切片重建结果**
为了验证不同算法在不同稀疏投影视图下的重建性能,从36个投影视图收集的数据中提取了12个和9个视图的数据作为稀疏投影数据。使用了FBP[33]、ART[17]、TV[16]、FISTA[37]和SINR算法进行比较分析。以FISTA在36个投影视图下的重建结果作为参考,每个算法的结果中随机选取2D切片进行比较。

**结论**
本研究提出了一种基于INR的自监督3D成像方法,用于THz-CT,以解决稀疏视图THz-CT重建的逆问题。该方法不使用全视图投影数据或高质量的THz-CT图像作为标签来训练网络,而是通过利用THz-TDS系统收集的稀疏视图投影数据进行受限迭代优化,从而实现THz CT图像的高质量重建,显著减少了手动标注的工作量。

**数据可用性**
本文中呈现的结果所基于的数据目前尚未公开,但可以根据合理请求从作者处获取。

**作者贡献声明**
窦家珍:撰写 – 审稿与编辑、撰写 – 原稿、资源、方法学、资金获取、概念化。
林俊成:撰写 – 审稿与编辑、方法学、数据管理。
方丛林:撰写 – 审稿与编辑、验证。
唐军:撰写 – 审稿与编辑、监督。
钟丽云:撰写 – 审稿与编辑、监督。
钱克茂:撰写 – 审稿与编辑、监督。
翟建国:撰写 – 审稿与编辑、监督、项目管理。

**利益冲突声明**
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

**致谢**
国家自然科学基金(NSFC)(编号62305072、62505051、62575077);广东省“珠江人才引进计划”创新创业团队(编号2021ZT09 × 044)。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号