CT修复不再一个网络包打三种退化：AgentCT用视觉语言智能体分派专家，九档设置PSNR全面领先
核心概要
低剂量、稀疏视角和金属伪影的物理成因不同，此前通用CT修复模型却用同一套共享架构处理全部退化。AgentCT让一个经LoRA微调的Qwen3-VL-4B控制器识别退化类型与严重程度，把图像分派给图像域扩散去噪器或双域专家，并在修复后复查输出。在患者不重叠的Mayo 2020腹部CT九个退化—严重度设置上，按真实退化标签路由时整体PSNR/SSIM为46.18 dB/0.984，高于AMIR的44.93 dB/0.976和TAMP的44.29 dB/0.979。
深度剖析
CT修复从“一个网络应付所有退化”改为“先判断退化、再调用对应专家”，低剂量、稀疏视角与金属伪影各自走适合其物理成因的修复路径。 此前的通用修复模型如AMIR和TAMP用共享架构覆盖多种退化，需要人工按扫描条件选择模型，或由单一网络统一处理。 在患者不重叠的Mayo 2020腹部CT测试集上，使用真实退化标签路由时，AgentCT整体达到46.18 dB/0.984，AMIR为44.93 dB/0.976，TAMP为44.29 dB/0.979，并在全部九个设置中取得最高PSNR。
控制器把一张窗宽窗位处理后的CT图像转成一句退化观察和一条可执行的JSON指令，指令里写明退化类型、严重程度和要调用的工具。 控制器以Qwen3-VL-4B为基座，用LoRA适配注意力与前馈投影层，秩为16、缩放因子32、丢弃率0.05，只对助手回复计算语言建模损失。 在2000张患者不重叠测试图像上，控制器退化类型识别准确率95.7%、严重程度估计准确率93.9%，JSON解析率100%；多数识别错误发生在轻度低剂量与干净图像之间。
稀疏视角与金属伪影的专家在投影域修正测量、用数据一致性保留已采集视角，再经可微滤波反投影和图像域网络细化。 共享的图像域网络无法在损坏实际发生的正弦图域施加测量一致性，而双域专家可以显式完成这一步。 稀疏视角消融中，双域专家以420万参数达到46.04 dB，单任务AMIR为44.43 dB，全合一AMIR为43.57 dB、参数量2350万。
启示与展望
实验在公开去标识的Mayo 2020腹部CT数据上进行，训练与测试按患者不重叠划分，退化由模拟生成，覆盖低剂量三档、稀疏视角三档和钛、铁、金三种金属设置。修复质量对比在按真实退化标签路由的条件下完成，控制器感知与路由则单独在2000张测试图像上评估。
自动路由下的整体修复表现尚未报告，主要修复比较依赖真实退化标签。实验每次只含一种退化，真实扫描中多种退化并存时的工具排序与迭代修复尚未研究。方法也尚未在不同扫描仪、机构和采集协议独立收集的真实临床退化CT上验证。报告的比较为描述性，未做正式显著性检验。