要約
本論文では、外部の訓練データを必要としない新しいかつ高速な自己監督型のスパースビューCBCT（コーンビームコンピュータ断層撮影）再構成手法を提案します。具体的には、望ましい減衰係数を3次元空間座標の連続関数として表現し、全結合深層ニューラルネットワークによってパラメータ化します。我々は投影データを離散的に合成し、実際の投影データと合成された投影データの誤差を最小化することによりネットワークを訓練します。学習ベースのエンコーダーがハッシュコーディングを用いて採用され、ネットワークが高周波詳細を捉えるのに役立ちます。このエンコーダーは、人間の臓器の滑らかさと疎性を利用しているため、一般的に使用される周波数領域エンコーダーよりも高い性能と効率を達成しています。人間の臓器およびファントムデータセットに対して実験が行われました。提案手法は最先端の精度を達成し、計算時間も合理的に短いことが確認されました。