초록
본 논문은 외부 학습 데이터를 필요로 하지 않는 새로운이고 빠른 자기 지도형 희소 시야 CBCT 재구성(Cone Beam Computed Tomography) 솔루션을 제안합니다. 구체적으로, 원하는 감쇠 계수는 완전 연결 깊은 신경망으로 매개변수화된 3D 공간 좌표의 연속 함수로 표현됩니다. 우리는 투영을 이산적으로 합성하고, 실제 투영과 합성 투영 사이의 오차를 최소화하여 신경망을 학습시킵니다. 해싱 코딩을 포함한 학습 기반 인코더가 도입되어 신경망이 고주파 세부 정보를 포착하는 데 도움을 줍니다. 이 인코더는 인간 장기의 부드러움과 희박성을 활용하기 때문에, 일반적으로 사용되는 주파수 영역 인코더보다 성능과 효율성이 더 우수합니다. 실험은 인간 장기와 팬텀 데이터셋 모두에서 수행되었습니다. 제안된 방법은 최고 수준의 정확도를 달성하며, 계산 시간도 상당히 짧습니다.