近日，中国科学院深圳先进技术研究院医工所微创中心副研究员梁晓坤、研究员谢耀钦团队与华中科技大学合作的CT金属伪影矫正的研究成果发表于《IEEE医学影像汇刊》上。 

在CT扫描中，金属植入物（如牙科填充物、关节置换和外科固定器械）会在成像过程中产生显著的金属伪影。这些伪影是由于金属物体对X射线的高度吸收而造成的，导致图像重建时出现失真和条纹。

在放射治疗中，这些伪影会对剂量计算造成严重影响，因为它们可能会导致治疗区域内剂量分布的错误估计，从而影响治疗的精度和安全性。例如，在头颈部肿瘤的放射治疗中，金属牙科填充物可能会导致关键组织（如唾液腺和食道）周围的剂量分布被错误估计。 

在CT诊断领域，金属伪影同样造成了重大挑战，它们可以掩盖或模糊关键解剖结构，从而降低对疾病的诊断准确性和及时性。例如，在神经外科手术中，金属固定器可能会干扰对周围脑组织的准确评估。在心脏和血管成像中，金属支架或人工瓣膜可能会导致诊断性图像严重退化，影响病变的评估和随后的治疗决策。 

近年来，许多基于监督深度学习的方法已经被提出用于金属伪影去除。然而，这些方法在很大程度上依赖于使用成对的模拟数据进行训练，而这种数据往往难以获取。

在该研究中，合作团队提出了一种基于扩散模型先验的无监督金属伪影去除方法，扩散模型是一种具有数据分布表示能力的生成模型。具体地，先使用不含金属伪影的CT图像训练扩散模型；随后，在投影域和图像领域中迭代地引入扩散模型先验，以恢复由金属伪影引起的退化部分。据介绍，该方法在性能上胜过现有的无监督金属伪影去除方法。 

相关论文信息：https://doi.org/10.48550/arXiv.2308.16742