FSP-Diff: フルスペクトル事前情報向上型二領域ラテン拡散による超低線量スペクトル CT 再構成

arXiv:2602.07979v1 発表 タイプ：新 要旨：光子数検出器を用いたスペクトル計算トモグラフィ（CT）は、物質の区別と組織の特性化において大きな可能性を秘めています。しかし、超低線量条件下では、エネルギー固有の投影における信号対雑音比（SNR）が著しく低下し、再構成画像に強いアーティファクトが生じ、構造的な詳細が失われます。これを解決するため、フルスペクトル事前情報向上型二領域ラテン拡散フレームワークを提案します。当フレームワークは以下の 3 つの主要戦略を組み合わせています：1) 補完的特徴量構築：我々は直接画像再構成と投影ドメインのノイズ除去結果を統合しました。前者は強いノイズに起因する文脈的な微妙なニュアンスを保ち、後者は安定した構造のスキャフォールドを提供することで、詳細の忠実度とノイズ抑制のバランスを保ちます。2) フルスペクトル事前情報の統合：複数のエネルギーの投影を高 SNR のフルスペクトル画像に融合させることで、すべてのエネルギービンにわたる再構成を導き出す統一された構造参照を確立します。3) 効率的なラテン拡散合成：多次元スペクトルデータの高い計算負荷を緩和するため、マルチパス特徴量をコンパクトなラテン空間へ埋め込みます。これにより、拡散過程が低次元の置換体上でインタラクティブな特徴融合を可能にし、細かな詳細の復元を維持しながら再構成を加速します。シミュレーションおよび実世界データセットに対する大規模な実験では、FSP-Diff が最先端の方法と比べて画像品質および計算効率の両面で著しく優れた性能を示し、臨床的に実現可能な超低線量スペクトル CT 画像化の可能性を示唆しています。

arXiv:2602.07979v1 Announce Type: new Abstract: Spectral computed tomography (CT) with photon-counting detectors holds immense potential for material discrimination and tissue characterization. However, under ultra-low-dose conditions, the sharply degraded signal-to-noise ratio (SNR) in energy-specific projections poses a significant challenge, leading to severe artifacts and loss of structural details in reconstructed images. To address this, we propose FSP-Diff, a full-spectrum prior-enhanced dual-domain latent diffusion framework for ultra-low-dose spectral CT reconstruction. Our framework integrates three core strategies: 1) Complementary Feature Construction: We integrate direct image reconstructions with projection-domain denoised results. While the former preserves latent textural nuances amidst heavy noise, the latter provides a stable structural scaffold to balance detail fidelity and noise suppression. 2) Full-Spectrum Prior Integration: By fusing multi-energy projections into a high-SNR full-spectrum image, we establish a unified structural reference that guides the reconstruction across all energy bins. 3) Efficient Latent Diffusion Synthesis: To alleviate the high computational burden of high-dimensional spectral data, multi-path features are embedded into a compact latent space. This allows the diffusion process to facilitate interactive feature fusion in a lower-dimensional manifold, achieving accelerated reconstruction while maintaining fine-grained detail restoration. Extensive experiments on simulated and real-world datasets demonstrate that FSP-Diff significantly outperforms state-of-the-art methods in both image quality and computational efficiency, underscoring its potential for clinically viable ultra-low-dose spectral CT imaging.