STCNet：稀疏视图4D CBCT重建的双域时空一致性学习

在图像引导放疗中，四维锥形束CT（4D CBCT）能够提供按呼吸相位分辨的体数据，帮助医生精确定位肿瘤。但高保真的4D重建通常需要密集的投影采样，这意味着更长的扫描时间和更高的辐射剂量。一项新研究提出的STCNet框架，尝试用稀疏视图加时空一致性学习来破解这个矛盾——每个呼吸相位仅需16个投影，就能重建出高质量图像。

核心思路：把物理约束和时序动态一起学

STCNet的设计逻辑可以拆成两条线：一条沿投影域引入物理驱动的位置编码，用几何一致性约束重建过程；另一条在潜空间中引入时间编码，捕捉不同呼吸相位之间的运动动态。两条线通过双域协同策略联合优化投影域和图像域，最终同时提升结构保真度和时间连贯性。

这和传统方法有本质区别。常规稀疏视图重建往往只在图像域做后处理，或者只在投影域做插值补全，而STCNet让两个域在训练中互相校正——投影域的几何一致性防止图像域过度平滑，图像域的结构先验反过来约束投影域的噪声。这种双向约束对呼吸运动剧烈的胸部区域尤为重要。

位置编码（Positional Encoding） 最早在Transformer架构中被广泛使用，其作用是将序列中元素的顺序信息注入模型，因为纯注意力机制本身对顺序不敏感。在STCNet中，位置编码被移植到投影域：每个投影视角对应CT扫描中的特定几何角度，编码这些角度信息能让网络感知投影之间的空间几何关系，从而在稀疏采样下仍能推断缺失视角的合理取值。这与自然语言处理中的顺序编码在形式上相似，但物理含义完全不同——这里编码的是X射线源与探测器的空间几何配置，因此被称为"物理驱动"。

潜空间时间编码 则作用于网络中间层的特征表示。4D CBCT的各个呼吸相位之间存在连续的运动演化，如果独立重建每个相位，容易丢失相位间的动态连贯性。时间编码将相位索引映射为连续向量并注入潜空间特征，使网络在重建某一相位时能"知道"它处于呼吸周期的哪个位置，从而利用相邻相位的信息进行约束。这种设计与视频帧插值中的时间建模思路相通，但面对的是X射线投影数据而非自然图像。

实验结果：稀疏视图下的量化表现

研究团队在TCIA-LUNG数据集和CIRS胸部模体数据集上进行了验证。在TCIA-LUNG上，STCNet在第2、5、8相位分别达到33.311 dB、32.695 dB、32.658 dB的PSNR，对应SSIM为0.845、0.823、0.825。在CIRS模体上，PSNR最高达36.497 dB，SSIM最高0.877。

这些数字放在稀疏视图语境下更有意义。每个相位仅用16个投影，意味着相比常规数百投影的协议，辐射剂量和扫描时间都大幅压缩。而STCNet在图像质量、伪影抑制和结构保留三方面均优于传统方法和近年深度学习基线。对于需要多次扫描的放疗流程，这种低剂量方案对患者的累积风险控制有直接价值。

PSNR（峰值信噪比） 和 SSIM（结构相似性指数） 是图像重建质量评估中最常用的两个指标。PSNR基于均方误差计算，单位为dB，数值越高表示像素级误差越小；在CT重建文献中，30 dB以上通常被认为具有较好的临床可用性。SSIM则从亮度、对比度和结构三个维度衡量重建图像与参考图像的相似度，取值范围为0到1，越接近1表示结构保留越好。两者的侧重不同：PSNR对全局噪声敏感，SSIM对结构失真更敏感。

在稀疏视图CT重建中，业界通常将每相位投影数从常规的数百降至几十甚至十几视为"稀疏"。16个投影意味着欠采样率极高，传统滤波反投影（FBP）在此条件下会产生严重条状伪影。深度学习方法的优势在于能利用训练数据中的先验知识补偿缺失信息，但纯数据驱动方法容易产生结构幻觉。STCNet报告的33 dB级别PSNR和0.82以上的SSIM，在16投影条件下属于当前文献中的领先水平，但需注意这些数值是在特定数据集上取得的，跨数据集泛化性仍需验证。

为什么值得关注：从单一来源看技术信号

这项工作的价值不只在指标提升。它把“稀疏视图”和“时空一致性”两个方向做了工程化结合，给出了可复现的训练框架。放疗场景对重建的可解释性和稳定性要求极高，纯数据驱动的黑箱方法难以通过临床验证，而STCNet引入的物理驱动位置编码提供了必要的归纳偏置。

当然，目前结果仍局限于公开数据集和模体，真实患者的呼吸变异、摆位误差、金属伪影等复杂因素尚未覆盖。双域协同策略的计算开销也没有在文中详细讨论——在临床实时性要求下，这可能成为落地瓶颈。

归纳偏置（Inductive Bias） 指模型在学习过程中所依赖的先验假设或约束。在医学影像领域，纯数据驱动的深度网络理论上是通用函数逼近器，但正因如此，它们可能在训练分布之外产生不合物理规律的输出——例如在CT重建中"编造"出解剖结构。引入归纳偏置相当于给模型加上物理常识的"护栏"：STCNet中的几何一致性约束确保重建结果与X射线投影的几何关系不矛盾，时间编码则约束相位间的运动符合呼吸动态。这种设计思路与物理信息神经网络（PINN）一脉相承，核心目标都是让深度学习模型在数据不足或分布外场景下仍保持可靠性和可解释性，这对需要通过临床验证的医疗AI尤为关键。

适用边界与后续方向

从技术定位看，STCNet属于稀疏视图重建与动态序列建模的交叉尝试。它不追求替代全采样CT，而是为低剂量、相位分辨的4D CBCT提供一种可行方案。后续如果能在更大规模临床数据上验证，并优化推理速度，这类双域时空学习方法有望进入图像引导放疗的实际工作流。