扩散与生成式先验
扩散与生成式先验是指把训练来生成逼真 CT 图像的模型（例如分数模型或去噪扩散模型）用作层析重建中的先验。生成模型刻画了合理的解剖结构或物体应有的样子，而与实测投影的一致性则在采样过程中施加，或通过与基于物理的求解器交替来实现。
它们被用于稀疏视角和有限角 CT、低剂量去噪、金属伪影校正以及 CBCT 增强。一个实际的吸引力在于灵活：在图像上训练的同一个无条件模型可以复用于不同的采集设置，因为前向算子只在重建时才引入。
方法包括带梯度引导的后验采样、嵌入 ADMM 等分裂方案中的即插即用扩散、在成对数据上训练的条件模型和桥模型、潜空间扩散，以及通过跨层正则化把二维模型扩展到三维。已知的挑战有采样速度、严重欠采样时“幻觉”出的结构，以及模拟数据与实测数据之间的差距。
入门推荐
如果你刚接触这个主题，可以先读这几篇；由维护者挑选。
- DM4CT: Benchmarking Diffusion Models for CT Reconstruction (ICLR, 2026 · code)
把扩散模型与成熟 CT 重建方法放在一起比较的基准，附代码；校准预期的最佳起点。 - Diffusion Models for Medical Image Analysis: A Comprehensive Survey (Med Image Anal, 2022)
医学影像中扩散模型的综述，清楚地讲解了三种主要形式。 - Solving 3D Inverse Problems Using Pre-Trained 2D Diffusion Models (CVPR, 2023)
展示了如何借助第三个方向上基于模型的先验，用预训练的二维扩散模型求解三维 CT 问题。 - Dolce: A Model-Based Probabilistic Diffusion Framework for Limited-Angle CT Reconstruction (ICCV, 2023)
用于有限角 CT、结合基于模型的数据一致性的条件扩散先验，在真实数据上做了测试。 - Unsupervised CT Metal Artifact Reduction by Plugging Diffusion Priors in Dual Domains (TMI, 2024 · code)
在双域中使用扩散先验的无监督金属伪影校正，附代码。
论文
共 68 篇，按时间倒序列出最新的 30 篇。
数据集、基准与工具库
目录中任务或标签与本主题相符的条目。
- LoDoPaB-CT (官方页面) · 数据集 — Projection + image. 42,895 对仿真人体胸腔切片（LIDC/IDRI），单一噪声水平（N0 = 4096）——其他剂量水平需自行重仿真。事实上的低剂量 CT 标准基准；附有调优良好的 FBP/U-Net 参考流程。
- LDCT-and-Projection-data (官方页面) · 数据集 — Projection + image. Mayo Clinic 发布，经 TCIA 分发。299 例头部／胸部／腹部扫描（99 / 100 / 100），每例含一次常规剂量扫描外加一套仿真的降剂量投影——头部与腹部为常规剂量的 25%，胸部为 10%。胸部与腹部数据以 CC BY 4.0 开放；99 例头部扫描因可能重建出人脸，需按 NIH 受控访问流程申请。并以开放的 DICOM-CT-PD 格式提供原始正弦图。它源自 2016 年 AAPM 低剂量 CT…
- AAPM DL-Sparse-View CT data (官方页面) · 数据集 — Projection + image. 2021 年 AAPM DL-sparse-view CT 挑战赛数据：4,000 个仿真二维乳腺 CT 体模，每个配有 360° 理想无噪声 128 视角扇束正弦图及其 FBP 图像，另有 100 例测试。真值完全已知，可把稀疏视角逆问题与噪声、模型失配分开考察。
- AAPM DL-Sparse-View CT Challenge (官方页面) · 基准 — 从理想无噪声的 128 视角扇束数据恢复二维乳腺 CT 体模：4,000 组训练数据、100 例测试，按 RMSE 公开排名。深度学习稀疏视角 CT 的常用参照点。
- DeepInverse · 工具库 — 面向成像逆问题的 PyTorch 库——物理算子、学习型去噪器、展开网络与基准测试。
- torch-radon · 工具库 — PyTorch 中的可微分 Radon 变换与滤波反投影。
指南
涵盖本主题的指南。