Dual-Domain Sparse-View 4D CBCT Reconstruction with Spatial-Temporal Consistency Learning

📄 arXiv: 2610.18518v1 📥 PDF

作者: Qi Lai, YuTong He

分类: cs.CV

发布日期: 2026-10-13

💡 一句话要点

提出STCNet以解决低剂量4D CBCT重建质量不足问题

🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting)

关键词: 4D CBCT 图像引导放射治疗 空间-时间一致性 深度学习 稀疏视图重建 图像重建 医学影像 辐射剂量降低

📋 核心要点

  1. 现有的4D CBCT重建方法通常需要大量投影，导致扫描时间延长和辐射剂量增加，影响临床应用。
  2. STCNet通过空间-时间一致性学习，利用仅16个投影在每个呼吸相位中重建高质量图像，显著提高了重建效率。
  3. 在TCIA-LUNG和CIRS数据集上的实验结果显示，STCNet在PSNR和SSIM指标上均优于传统方法，证明了其有效性。

📝 摘要（中文）

四维锥束计算机断层扫描（4D CBCT）为图像引导放射治疗提供了相位分辨的体积图像。然而，良好的重建质量通常需要大量投影，这会增加扫描时间和辐射剂量。本文提出了STCNet，一个稀疏视图4D CBCT重建框架，利用空间-时间一致性学习，仅需在每个呼吸相位中使用16个投影即可重建高质量图像。STCNet集成了物理驱动的位置信息编码，以增强投影域的几何一致性，并在潜在空间中引入时间编码，以捕捉跨相位的呼吸运动动态。通过双域协同策略，STCNet在投影和图像域中共同优化，增强了结构保真度和时间一致性。实验结果表明，STCNet在图像质量、伪影减少和结构保留方面优于传统方法和最新的深度学习基线。

🔬 方法详解

问题定义：本文旨在解决现有4D CBCT重建方法在低投影情况下重建质量不足的问题。传统方法需要大量投影，导致扫描时间长和辐射剂量高，限制了其临床应用。

核心思路：STCNet的核心思路是通过空间-时间一致性学习，利用少量投影重建高质量图像。通过引入物理驱动的位置信息编码和时间编码，STCNet能够有效捕捉呼吸运动动态，增强重建图像的质量。

技术框架：STCNet的整体架构包括两个主要模块：投影域的几何一致性模块和潜在空间的时间编码模块。通过双域协同策略，STCNet在投影和图像域中共同优化，确保重建图像的结构保真度和时间一致性。

关键创新：STCNet的主要创新在于其双域协同优化策略和空间-时间一致性学习框架。这种设计使得STCNet在低投影情况下仍能实现高质量的图像重建，显著优于现有方法。

关键设计：STCNet采用了物理驱动的位置信息编码和时间编码，确保了在重建过程中几何一致性和动态捕捉。此外，网络结构和损失函数的设计也经过精心调整，以优化重建效果。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在TCIA-LUNG数据集上，STCNet在相位2、5和8的PSNR值分别达到了33.311、32.695和32.658 dB，SSIM值分别为0.845、0.823和0.825。在CIRS数据集上，STCNet的PSNR值最高达到了36.497 dB，SSIM值最高为0.877，显示出显著的性能提升，优于传统方法和最新的深度学习基线。

🎯 应用场景

该研究的潜在应用领域主要集中在图像引导放射治疗中，尤其是在需要低剂量扫描的情况下。STCNet的高效重建能力可以减少患者的辐射暴露，同时提高治疗的准确性和安全性。未来，STCNet有望在临床实践中得到广泛应用，推动放射治疗技术的发展。

📄 摘要（原文）

Four-dimensional cone-beam computed tomography (4D CBCT) provides phase-resolved volumetric images for image-guided radiotherapy. Yet good reconstruction quality usually needs many projections. This increases scan time and radiation dose. We propose STCNet, a sparse-view 4D CBCT reconstruction framework that uses spatial-temporal consistency learning. STCNet reconstructs high-quality images from only 16 projections in each respiratory phase. STCNet integrates physics-driven positional encoding to enforce geometric consistency in the projection domain and introduces temporal encoding in latent space to capture respiratory motion dynamics across phases to capture dynamic respiratory motion across phases. A dual-domain collaborative strategy jointly optimizes both projection and image domains, enhancing structural fidelity and temporal coherence. We tested STCNet on the TCIA-LUNG dataset and a CIRS thorax phantom dataset. STCNet performed better than conventional methods and recent deep learning baselines in image quality, artifact reduction, and structural preservation. On TCIA-LUNG, STCNet reached PSNR values of 33.311, 32.695, and 32.658 dB at phases 2, 5, and 8. The corresponding SSIM values were 0.845, 0.823, and 0.825. On CIRS, STCNet achieved PSNR values up to 36.497 dB and SSIM values up to 0.877. These results support STCNet as a promising framework for low-dose, phase-resolved 4D CBCT reconstruction in image-guided radiotherapy.