综述与回顾
CT 重建领域的综述与回顾，是整理一类方法而不是提出新方法的论文，包括教程、系统综述、对比研究和基准。它们是进入一个子领域最快的途径：统一记号、给方法族命名，并指出大家都会拿来对比的实验。
这里收录的综述跨越了几代。较早的综述解释了滤波反投影为何几十年来一直留在商用 CT 中，以及迭代重建和压缩感知重建如何改变了这一局面；较新的综述则涵盖深度学习层析成像、不完整投影数据重建和医学影像中的扩散模型。金属伪影校正、散射校正和双能 CT 也各有专题综述。
这个领域发展很快，综述也老得很快。读综述是为了把握结构；之后请到对应主题页查看最新论文，了解综述写成之后又有哪些变化。
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。
- Deep Learning for Tomographic Image Reconstruction (Nat Mach Intell, 2020)
一份覆盖面广、可读性强的综述，梳理了 2016 年以来深度学习用于层析重建的进展以及尚未解决的问题。 - Solving Inverse Problems Using Data-Driven Models (Acta Numerica, 2019)
把学习模型与基于物理的反问题结合起来的数学基础；篇幅很长，但是标准参考文献。 - Why do commercial CT scanners still employ traditional, filtered back-projection for image reconstruction? (Inverse Problems, 2009)
解释了商用 CT 为何几十年来一直沿用滤波反投影；评估任何“新方法将走进临床”的说法时都值得参考。 - A Review of Deep Learning CT Reconstruction From Incomplete Projection Data (TRPMS, 2024)
一篇较新的综述，把稀疏视角、有限角、金属伪影、内部重建与环形伪影问题放在同一框架下讨论。 - DM4CT: Benchmarking Diffusion Models for CT Reconstruction (ICLR, 2026 · code)
在统一协议下比较扩散模型与成熟 CT 重建方法的基准，附代码。
论文
全部 24 篇，按时间倒序。
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 (benchmark release paper) · 数据集 — LoDoPaB-CT 数据集在 Scientific Data 上的数据描述论文——在该切分上报告结果时应引用的文献。记录了仿真协议与 FBP/U-Net 参照基线。
- COBRA2026: a large-scale multicenter pelvic cone-beam computed tomography projection dataset (官方页面) · 数据集 — Projection + image. 来自六家欧洲中心的 867 例骨盆放疗 CBCT 扫描（Elekta 与 Varian 系统），含原始投影、采集几何、临床 CBCT 与计划 CT。约 950 GB，按 692/52/123 划分，以 CC BY-NC 4.0 发布于 Zenodo（doi:10.5281/zenodo.21322350）。也是 COBRA2026 重建挑战赛的数据基础。
- MORE: Multi-Organ Medical Image REconstruction Dataset (官方页面) · 数据集 — 覆盖 9 个解剖部位、15 类病灶的 CT 扫描，用途是检验模型对未见解剖部位的泛化能力，而非单一器官。以 CC BY-NC 4.0 发布；已被 ACM MM 2025 接收。
- DeepInverse benchmark suite (官方页面) · 基准 — 统一的 PyTorch 基准框架，覆盖 CT、MRI、去模糊与图像修复，提供可复现指标与预训练基线——把新 CT 方法与强通用求解器对比的最实用途径。
- 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。
指南
涵盖本主题的指南。