NAF : Champs d'Atténuation Neuronaux pour la Reconstruction de TCBC en Vue Éparse

Ce travail propose une nouvelle solution auto-supervisée et rapide pour la reconstruction de CBCT (Cone Beam Computed Tomography) à vue rare, qui ne nécessite aucune donnée d'entraînement externe. Plus précisément, les coefficients d'atténuation souhaités sont représentés comme une fonction continue des coordonnées spatiales 3D, paramétrée par un réseau neuronal profond entièrement connecté. Nous synthétisons les projections de manière discrète et entraînons le réseau en minimisant l'erreur entre les projections réelles et synthétisées. Un encodeur basé sur l'apprentissage intégrant le codage de hachage est adopté pour aider le réseau à capturer les détails à haute fréquence. Cet encodeur surpasses l'encodeur de domaine fréquentiel couramment utilisé en termes de performance et d'efficacité, car il exploite la régularité et la parcimonie des organes humains. Des expériences ont été menées sur des ensembles de données d'organes humains et de fantômes. La méthode proposée atteint une précision de pointe et nécessite un temps de calcul raisonnablement court.