近日，计算机与信息科学学院 软件学院唐小琴副教授团队的研究成果《目标先验驱动的超稀疏隐式三维CT重建》（TPG-INR: Target Prior-Guided Implicit 3D CT Reconstruction for Enhanced Sparse-view Imaging）被计算机视觉领域顶级国际会议International Conference on Computer Vision （ICCV）2025录用。

ICCV作为全球计算机视觉三大顶会之一，以严苛的双盲评审著称，年度录用率不足24%。录用的论文必须具有显著的原创性、完备的实验验证和清晰的贡献体现，并在理论创新、方法设计或实际应用层面产生实质性推进，评审过程特别注重技术的严谨性、可复现性及结论的可靠性。

团队提出一种新颖的三维CT重建框架，通过从投影数据中提取“目标先验”以增强隐式表示学习。该方法融合位置信息与结构编码，实现体素级隐式重建，并利用目标先验指导体素采样、增强结构编码。这一双重策略显著提升了学习效率与重建质量。此外，团队还开发了一种基于CUDA的高效算法，可从稀疏投影中快速估计高质量三维目标先验。在包含人体胸部、腹部、下颚及脚部等多部位复杂数据集的实验结果表明，该模型在学习效率和重建质量方面均显著优于当前主流方法。

图1. 方法总体框架：模型以稀疏投影为输入，输出三维重建体图像数据。首先基于CUDA的TPE算法从投影中估计目标先验，用于引导TPVS模块沿X射线进行体素采样，以支持隐式表示学习。采样体素通过位置编码Ep和结构编码Es进行特征融合，形成体素级隐式神经表示，最终重建CT体图像数据。

图2. 实验结果图：与当前主流方法对比分析表明本文方法在学习效率、重建精度和伪影消除方面均表现出更优的性能。

西南大学为论文唯一完成单位，唐小琴副教授为通讯作者，2023级硕士研究生曹青磊和2022级本科生唐子耀为论文共同第一作者。此项研究得到国家自然科学基金的资助。

供稿：张维勇

供图：唐小琴

初审：梁华珍

复审：廖剑伟

终审：王一晖