Representaciones Neurales Implícitas para la Reconstrucción Robusta de CT de Vista Escasa

La Tomografía Computarizada (CT) es fundamental en el control de calidad industrial y en diagnósticos médicos. La CT de vista escasa, que ofrece radiación ionizante reducida, enfrenta desafíos debido a su naturaleza sub-muestreada, lo que conduce a problemas de reconstrucción mal planteados. Avances recientes en Representaciones Neurales Implícitas (INRs) han mostrado promesas en la reconstrucción de CT de vista escasa. Reconociendo que la CT a menudo implica escanear sujetos similares, proponemos un enfoque novedoso para mejorar la calidad de reconstrucción mediante la reconstrucción conjunta de múltiples objetos utilizando INRs. Este enfoque puede potencialmente aprovechar tanto las fortalezas de los INRs como las regularidades estadísticas entre múltiples objetos. Mientras que las técnicas actuales de reconstrucción conjunta de INRs se centran principalmente en acelerar la convergencia a través de la meta-inicialización, no están específicamente diseñadas para mejorar la calidad de reconstrucción. Para abordar esta brecha, introducimos un nuevo marco bayesiano basado en INR que integra variables latentes para capturar las relaciones entre objetos. Estas variables sirven como referencia dinámica a lo largo de la optimización, mejorando así la fidelidad de la reconstrucción individual. Nuestros amplios experimentos, que evalúan diversos factores clave como la calidad de reconstrucción, resistencia al sobreajuste y generalizabilidad, demuestran mejoras significativas sobre las líneas base en métricas numéricas comunes. Esto subraya un avance notable en los métodos de reconstrucción de CT.