ELECTRIC: La ricostruzione TC bayesiana guidata dalla fisica riduce l'errore del 70%

I ricercatori hanno introdotto ELECTRIC (Evidential Learning-Enhanced CT Reconstruction via Iterative Correction), una nuova formulazione bayesiana guidata dalla fisica per la ricostruzione tomografica computerizzata (TC). Il metodo impiega una rete neurale evidenziale per generare una proposta di immagine e un surrogato di incertezza epistemica predittivo dell'errore. Questo surrogato viene trasformato in un campo di precisione adattivo, che viene integrato in un aggiornamento di massima probabilità a posteriori (MAP) pesato secondo Poisson. Il ciclo iterativo tratta la confidenza a priori come una variabile di stato appresa, migliorando l'accuratezza della ricostruzione. In studi di simulazione utilizzando fette di immagini dal dataset AAPM Mayo Clinic Low-Dose CT, l'approccio ha dimostrato uno studio pilota di validazione del meccanismo con stimatori surrogati trasparenti e uno studio di fattibilità con una rete evidenziale Normal-Inverse-Gamma addestrata. Su pazienti esclusi dall'addestramento, la media a priori appresa ha ridotto l'errore di ricostruzione di circa il 70% rispetto alla retroproiezione filtrata. Il lavoro include un'analisi teorica ed è disponibile su arXiv con l'identificatore 2608.00060.