用流匹配做稀疏视角CT重建：复用速度场把网络评估次数降到7次，重建质量仍与扩散模型相当
作者提出首个基于流匹配（Flow Matching）的CT重建框架FMCT及其高效变体EFMCT，利用流匹配的确定性ODE采样与数据一致性校正天然兼容、且相邻步预测速度场高度相关的特点，在连续步中复用已算出的速度场以减少神经网络函数评估次数（NFE），并给出理论分析表明复用引入的误差与欧拉离散化同阶、在有限复用步数下累积误差受控；在AAPM与Medical Segmentation Decathlon两个公开CT数据集、20视角与40视角平行束稀疏采样下，FMCT/EFMCT的PSNR/SSIM与扩散类方法相当，而NFE与计算时间显著更低（如AAPM 40视角EFMCT为7次NFE、0.83秒，相对最