近日，深圳北理莫斯科大学计算数学与控制系李春团队在稀疏观测条件下的三维医学图像重建领域取得新进展。相关成果以论文《Efficient 3D Medical Reconstruction from Sparse Views via 2D Diffusion Models with Curvature Priors》形式被IEEE Transactions on Image Processing接收，期刊影响因子为15.3。该研究面向稀疏视角 CT（SV-CT）、有限角 CT（LA-CT）和压缩感知 MRI（CS-MRI）等典型医学成像反问题，旨在降低三维扩散建模计算开销的同时，提高跨切片结构一致性与重建质量。深圳北理莫斯科大学博士研究生周庆为论文第一作者，李明、Vladimir Ternovskiy、张晔、Fei Richard Yu参与研究，李春为通讯作者。

该工作将预训练二维得分扩散模型、基于模型的迭代重建（Model-Based Iterative Reconstruction, MBIR）与曲率正则化相结合，为低剂量CT、快速MRI等医学成像场景提供了一种高效的三维重建新思路。

传统三维扩散模型需要直接处理高维体数据，显存占用和计算成本较高；而逐切片二维重建又容易忽略Z轴方向的空间相关性。针对这一矛盾，团队利用二维扩散模型恢复切片内部细节，通过曲率先验约束相邻切片之间的几何连续性，并采用ADMM将扩散去噪、数据一致性约束与曲率正则化统一到迭代优化框架中。

在方法设计上，研究首先利用预训练二维得分扩散模型逐切片完成先验恢复，避免重新训练高成本的三维扩散网络；随后沿Z轴引入曲率正则化，以高阶几何信息刻画相邻切片之间的结构关联，从而抑制噪声与伪影并保护边缘细节；最后，将曲率正则化MBIR嵌入扩散反演过程，通过ADMM交替完成数据一致性更新与几何约束优化。

图1 基于预训练二维扩散模型与曲率先验的三维稀疏视角医学图像重建总体框架。

该框架形成了“二维生成先验—三维几何约束—物理数据一致性”的协同机制：二维扩散模型负责恢复切片内的纹理细节与数据分布先验，曲率项用于维持冠状面和矢状面方向的结构连续性，MBIR则借助CT或MRI前向模型保证重建结果与观测数据的一致性。

多场景实验验证：SV-CT、LA-CT与CS-MRI

研究在AAPM 2016 Low-Dose CT Grand Challenge（LDCT）、CT Heart Dataset（CTHD）、LIDC以及BraTS 2018/2021等数据集上进行了系统验证。在稀疏视角CT中设置8、4和2个视角，并考察轴向、冠状面和矢状面的重建质量；有限角CT用于检验大范围角度缺失条件下的恢复能力；压缩感知MRI实验则用于验证二维扩散先验向不同医学成像模态迁移的适用性。

图2 SV-CT在8视角、4视角和极端2视角条件下的重建结果，对比轴向、矢状面和冠状面的结构恢复。

实验结果表明，随着观测视角不断减少，传统解析重建方法和部分基线模型容易出现条纹伪影、结构扭曲及跨切片不连续等问题；相比之下，曲率约束二维扩散方法在极端2视角条件下仍能较好保持解剖结构和局部细节。论文结果显示，相较传统MBIR方法，该框架在PSNR与SSIM等指标上可获得约10%—15%的提升，并在稀疏视角CT、有限角CT和MRI重建任务中展现出较好的泛化能力。

图3 BraTS21数据集上的压缩感知MRI重建结果，展示轴向、矢状面和冠状面的重建质量。

从研究意义看，该工作实现了生成式数据先验、物理成像模型与几何正则化的有机融合，为高维医学逆问题提供了一条无需直接训练三维扩散模型的高效技术路线。二维预训练扩散模型有效降低了高维建模成本，曲率约束增强了跨切片结构稳定性，物理数据一致性更新则确保重建结果与实际观测相匹配。

图4 CTHD 数据集上 8、4 和 2 视角条件下 SV-CT 重建的定量比较结果。

从应用角度看，高质量稀疏视角CT重建有望在减少投影数量的同时降低患者辐射暴露，压缩感知MRI则有望缩短数据采集时间。未来，团队将进一步围绕实时重建、自适应参数选择、PET与超声等更多医学成像模态，以及多中心临床验证等方向开展研究。