Amostragem de Difusão Colaborativa em Duas Dimensões para Reconstrução de Tomografia Computadorizada Estacionária de Múltiplas Fontes

A TC estacionária de múltiplas fontes, onde tanto o detector quanto a fonte de raios X estão fixos, representa um novo sistema de imagem com alta resolução temporal que atraiu interesse significativo. O espaço limitado dentro do sistema restringe o número de fontes de raios X, levando a desafios de imagem de TC com visualização esparsa. Modelos de difusão recentes para reconstruir TC com visualização esparsa geralmente se concentraram separadamente nos domínios de sinograma ou imagem. Modelos centrados em sinograma estimam efetivamente projeções faltantes, mas podem introduzir artefatos, carecendo de mecanismos para garantir a correção da imagem. Por outro lado, modelos do domínio da imagem, embora capturando características detalhadas da imagem, costumam ter dificuldades com distribuições de dados complexas, levando a imprecisões nas projeções. Abordando essas questões, o modelo de Amostragem de Difusão Colaborativa em Duas Dimensões (DCDS) integra processos de difusão de sinograma e domínio de imagem para uma melhor reconstrução de visualização esparsa. Este modelo combina as forças de ambos os domínios em uma estrutura matemática otimizada. Um mecanismo de difusão colaborativa fundamenta este modelo, melhorando a recuperação de sinograma e as capacidades gerativas da imagem. Este mecanismo facilita a geração de imagem orientada por feedback a partir do domínio do sinograma e usa os resultados do domínio da imagem para completar projeções faltantes. A otimização do modelo DCDS é ainda alcançada através do método de iteração de direção alternativa, focando em atualizações de consistência de dados. Testes extensivos, incluindo simulações numéricas, fantasmas reais e conjuntos de dados clínicos cardíacos, demonstram a eficácia do modelo DCDS. Ele supera consistentemente vários pontos de referência de última geração, oferecendo qualidade de reconstrução excepcional e sinograma preciso.