零样本CT超分辨率新框架：用X光扩散先验生成2D投影、再用带负密度的3D高斯学习符号残差，在UHRCT与MELA上取得优于CuNeRF的PSNR/SSIM
核心概要
该工作提出一个零样本3D CT超分辨率框架：先在大量2D X光数据上训练扩散模型，并用DDNM/DDNM+把低分辨率CT投影上采样为高分辨率投影先验，再用新提出的Negative Alpha Blending高斯泼溅（NAB-GS）以正负密度高斯学习扩散生成HR投影与上采样LR投影之间的符号残差，从而重建HR体积；在UHRCT与MELA两个公开数据集上，其PSNR与SSIM优于三线性、三次插值、NeRF、CuNeRF等零样本方法，与监督方法ArSSR相比具有竞争力，单体积约15分钟完成，两位领域专家的评估认为4×结果具备临床潜力而8×仍需改进。
Fig. 1. pre-trained diffusion model with 2D X-ray data is employed within the DDNM to generate HR 2D CT projection images from LR counterparts. (b) 3D CT reconstruction via NAB-GS: Using both positive and negative density Gaussians, we model a signed residual field between diffusion-generated HR projections and LR counterparts. For HR volume generation, the learned residual field is added onto the upsampled LR volume.
· 第 3 页深度剖析
提出把零样本3D CT超分辨率重构为“由扩散式上采样2D投影先验驱动的3D重建任务”的两阶段框架：第一阶段在ChestX-ray14与CheXpert等大规模2D X光数据上训练无条件扩散模型，并在DDNM/DDNM+中生成HR CT投影；第二阶段用NAB-GS重建HR体积。 与依赖成对HR-LR体积的监督式3D SR以及仅依赖单个LR体积内部信息的零样本方法（如CuNeRF）不同，该框架把可从大量2D X光获得的生成先验引入3D重建，缓解了配对数据稀缺与LR信息不足两个限制。 论文给出两阶段流程与DDNM/DDNM+公式（式1、式2），并在UHRCT与MELA上报告结果；2D扩散模型训练数据规模为ChestX-ray14的112,120张与CheXpert的80,845张图像，零样本学习仅使用测试集。
提出NAB-GS：用PReLU替换softplus以允许负密度，并移除渲染式中的非负性过滤（αi≥ε），从而学习扩散生成HR投影与上采样LR基线之间的符号残差场，最后把残差场加回上采样LR体积并做max(0,·)裁剪。 标准3DGS通过softplus与alpha blending强制密度非负，无法表达残差中固有的正负值；NAB-GS放松该约束，并指出由于是线性累加，梯度∂C/∂αi=1与αi正负无关，因而优化稳定，同时把剪枝条件改为|z|<10⁻⁵。 消融显示本方法优于R2-GS：PSNR在4×提升0.53、8×提升0.71，SSIM在4×提升0.0118、8×提升0.0116；与softplus、ReLU、sine等激活对比中PReLU取得最佳表现，softplus与ReLU无法捕捉被高估区域的边界，sine引入颗粒状伪影。
在两个公开数据集上给出定量与定性验证，并加入专家评估：UHRCT 4×达PSNR 25.42/SSIM 0.8957、8×达21.96/0.8172；MELA 4×达34.17/0.9525、8×达30.81/0.9115，均高于三线性、三次插值、NeRF与CuNeRF，与监督方法ArSSR相比具有竞争力。 相对唯一公开可用的零样本3D CT SR基线CuNeRF，SSIM提升约+0.04至+0.06，且单体积约15分钟（扩散10分钟、NAB-GS 5分钟），快于CuNeRF约1小时与ArSSR约25分钟；定性上4×更能恢复骨边界等精细结构。 定量结果来自UHRCT（20/10训练/测试划分）与MELA（60/20/20划分），评价指标为PSNR与SSIM；专家评估仅两位领域专家、仅比较MELA的4×与8×，结论为4×有临床使用潜力、8×仍需改进，且当前视觉增益对整体实用性的贡献有限。
启示与展望
该框架面向零样本3D CT超分辨率场景：输入为单个LR体积，先由TIGRE生成0°至180°均匀间隔的100个投影，再经扩散先验上采样并由NAB-GS重建，适用于4×与8×放大，且不要求成对HR-LR训练体积。作者指出4×结果被专家认为具备真实临床使用潜力，而8×仍需进一步改进；后续工作方向是增强跨切片连续性并在真实临床数据上评估。
专家评估仅涉及两位领域专家且只比较MELA的4×与8×，其“临床潜力”判断属于初步意见；作者也指出当前视觉增益对整体实用性贡献有限，并把跨切片一致性与真实临床数据评估列为未来工作。此外，本摘要基于全文文本，图2与图3的具体视觉细节无法从文字中完整核验，因此定性结论的强度仍以文中描述为准。