基于扩散的生成式图像外绘用于恢复视野截断的CT图像
Diffusion-based Generative Image Outpainting for Recovery of FOV-Truncated CT Images
AI总结：
本文提出一种基于扩散模型的生成式图像外绘方法，用于恢复视野截断的胸部CT切片，在训练数据减少87%的情况下，可靠恢复解剖结构并优于现有最先进方法，助力身体成分分析与疾病预后。
摘要：
截断胸部CT扫描的视野（FOV）恢复对于准确的身体成分分析至关重要，这涉及在CT切片上量化骨骼肌和皮下脂肪组织（SAT）。这进而能够实现疾病预后。在此，我们提出了一种使用生成式图像外绘恢复截断CT切片的方法。我们训练了一个扩散模型，并将其应用于通过模拟小FOV生成的截断CT切片。我们的模型可靠地恢复了截断的解剖结构，并且尽管训练数据减少了87%，仍优于之前的最先进方法。
英文摘要：
Field-of-view (FOV) recovery of truncated chest CT scans is crucial for accurate body composition analysis, which involves quantifying skeletal muscle and subcutaneous adipose tissue (SAT) on CT slices. This, in turn, enables disease prognostication. Here, we present a method for recovering truncated CT slices using generative image outpainting. We train a diffusion model and apply it to truncated CT slices generated by simulating a small FOV. Our model reliably recovers the truncated anatomy and outperforms the previous state-of-the-art despite being trained on 87% less data.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
