近日，中国科学院深圳先进技术研究院医工所微创中心梁晓坤副研究员、谢耀钦研究员团队与华中科技大学合作的CT金属伪影矫正研究成果，发表在国际医学成像顶刊IEEE Transactions on Medical Imaging (IEEE TMI, IF=10.6）上。 

　　在CT扫描中，金属植入物（如牙科填充物、关节置换和外科固定器械）会在成像过程中产生显著的金属伪影（如图1）。这些伪影是由于金属物体对X射线的高度吸收而造成的，导致图像重建时出现失真和条纹。在放射治疗中，这些伪影会对剂量计算造成严重影响，因为它们可能会导致治疗区域内剂量分布的错误估计，从而影响治疗的精度和安全性。例如，在头颈部肿瘤的放射治疗中，金属牙科填充物可能会导致关键组织（如唾液腺和食道）周围的剂量分布被错误估计。 

　　在CT诊断领域，金属伪影同样造成了重大挑战。它们可以掩盖或模糊关键解剖结构，从而降低了对疾病的诊断准确性和及时性。在神经外科手术中，例如，金属固定器可能会干扰对周围脑组织的准确评估。在心脏和血管成像中，金属支架或人工瓣膜可能会导致诊断性图像严重退化，影响病变的评估和随后的治疗决策。 

　　近年来，许多基于监督深度学习的方法已经被提出用于金属伪影去除。然而，这些方法在很大程度上依赖于使用成对的模拟数据进行训练，而这种数据往往难以获取。在本文中，研究者提出了一种基于扩散模型先验的无监督金属伪影去除方法，扩散模型是一种具有数据分布表示能力的生成模型。具体地，先使用不含金属伪影的CT图像训练扩散模型；随后，在投影域和图像领域中迭代地引入扩散模型先验，以恢复由金属伪影引起的退化部分。方法流程图如图2所示。本文的方法在性能上胜过现有的无监督金属伪影去除方法（图3-图4）。 

　　中国科学院深圳先进技术研究院客座博士生刘旋为论文第一作者，梁晓坤副研究员为主要通讯作者。该研究得到了国家重点研发计划、国家自然科学基金等项目的资助。 

图1. (a)表示病人体内的金属植入物；(b)表示被金属影响的CT正弦图；(c)表示有着严重金属伪影的重建图像。

图2. 方法流程图。

图3. 不同金属伪影去除方法的PSNR/SSIM比较，其中粗体表示在无监督方法中的最佳结果，星号（*）表示包括监督方法在内的最佳结果。  

图4. 不同金属伪影去除方法的视觉效果。红色部分表示金属植入物。显示窗为[-175, 275] HU。 

代码已开源，详见www.github.com/DeepXuan/DuDoDp-MAR 

全文讲解链接：https://blog.csdn.net/weixin_43790925/article/details/133314155