氧引導精準放療能夠向缺氧腫瘤區域輸送高劑量輻射，同時向氧合良好的區域輸送低劑量輻射。在小鼠腫瘤模型中，這種方法使生存率從30%提高到了60%[1]。其成功依賴于精確的氧成像。電子順磁共振成像（EPRI）是氧映射的首選模式，具有高空間分辨率（約0.5毫米）和對氧濃度（約1托）的高靈敏度[2,3]。三維EPRI（3D EPRI）對此至關重要[[4], [5], [6]]，而三維濾波反投影（FBP）算法是標準的重建方法[7]。然而，精確的FBP重建需要在整個角度范圍內進行大量投影采樣，導致掃描時間過長，從而阻礙了體內應用。例如，使用JIVA-25小型動物EPR成像儀對小鼠腫瘤進行成像需要超過10分鐘[8]。稀疏視圖重建使用較少的投影，可以減少掃描時間。然而，傳統FBP在稀疏視圖條件下的表現較差，會產生嚴重的條紋偽影。因此，需要先進的重建方法來抑制這些偽影并實現精確的稀疏視圖EPRI。

受到深度卷積網絡（如U-Net [9]）和Transformer架構（如Swin Transformer [10]、Vision Transformer (ViT) [11]）在計算機視覺中成功的啟發，基于深度學習的方法越來越多地被應用于醫學圖像重建和自然圖像處理。2017年，Jin等人引入了FBPConvNet [12]用于稀疏視圖計算機斷層掃描（CT），利用U-Net的多尺度架構來抑制條紋偽影，同時保留結構和紋理細節。2021年，Wang等人提出了Uformer [13]，它增強了Swin Transformer的前饋網絡，并結合了U-Net的層次結構，在圖像恢復任務中取得了最先進（SOTA）的性能。同年，Luthra等人開發了Eformer [14]，通過將可學習的Sobel-Feldman算子集成到Uformer的中間層中，顯著增強了邊緣結構，并在AAPM-Mayo Clinic低劑量CT大挑戰數據集上取得了SOTA結果[15]。2022年，Zamir等人設計了Restormer [16]，它使用通道級自注意力來模擬全局上下文，減輕了Transformer在高分辨率圖像上的處理負擔。同年，Li等人引入了DDPTransformer [17]用于稀疏視圖CT重建。利用ViT的塊級自注意力機制，DDPTransformer在投影和圖像域中構建了并行子網絡，從而增強了特征表示，并在LDCT-and-Projection-Data數據集上取得了SOTA性能[18]。2023年，Li等人提出了MDST [19]，這是一種多域優化網絡，它在投影和圖像域中結合了卷積和Swin Transformer模塊，捕捉了全局和局部特征。這突顯了混合架構在稀疏視圖CT重建中的優勢。2024年，Chen等人引入了LIT-Former [20]用于3D低劑量CT。LIT-Former并行化了2D平面內和1D平面間自注意力，有效模擬了長距離3D依賴性，使用2D和1D卷積提取局部特征。該模型同時處理了平面內去噪和平面間去模糊，與傳統3D方法相比顯著降低了計算復雜性。2025年，Yang等人提出了SVFR [21]，這是一種高效的3D磁共振成像（MRI）重建方法，它使用預訓練的ViT從欠采樣的2D切片中重建3D圖像，避免了直接的3D卷積。體積級融合模塊保留了切片間的空間細節。SVFR的性能與3D U-Net相比，內存消耗降低了約40%。同年，An等人提出了分層混合Transformer-NeRF [22]用于稀疏視圖X射線3D重建。通過結合焦點注意力和多尺度特征融合以及局部-全局依賴性建模，該方法在復雜解剖結構中增強了細節表現，并在多個區域實現了改進的重建精度。

近年來，擴散模型（DMs）[[23], [24], [25]]在圖像生成方面的性能已可與生成對抗網絡（GANs）[[26], [27], [28]]相媲美，同時具有更穩定的訓練優勢。受其成功的啟發，研究人員越來越多地探索基于DM的方法用于醫學圖像重建和自然圖像處理。這些方法大多采用條件擴散模型（CDMs），它們結合條件輸入來指導反向擴散過程。2022年，Xia等人提出了基于補丁的去噪擴散概率模型（DDPM）[29]用于稀疏視圖CT重建。該方法訓練模型從全視圖投影中估計得分函數，使用稀疏視圖數據作為條件輸入來恢復相應的全視圖投影。同年，Song等人引入了一種無監督的基于得分的生成模型，將數據一致性整合到采樣過程中，實現了從部分測量數據中有效重建CT和MRI[30]。該模型在未知測量設置中表現良好，并優于幾種監督方法。2023年，Saharia等人提出了SR3 [31]，這是一種用于圖像超分辨率的條件DDPM，它使用低分辨率插值作為條件。SR3在各種放大級別上表現強勁，并在面部和自然圖像領域表現出色。同年，Wu和Wang提出了DOSM模型[32]，它將數據一致性約束嵌入到隨機微分方程（SDEs）中，以平衡測量精度和生成先驗，同時采用傳統迭代技術進行更新。這種方法僅使用23個視圖即可實現CT重建。2024年，Xu等人引入了SWORD模型[33]，它將擴散過程應用于小波分解的頻率分量，而不是投影或圖像域，從而實現了更穩定的訓練。2025年，Liu等人提出了PU-CDM [34]，這是一種基于金字塔UNet的條件擴散模型，用于稀疏視圖EPRI重建。PU-CDM使用金字塔UNet（PUNet）作為噪聲預測網絡，僅需5次采樣步驟即可實現高質量圖像重建。2026年，Zhang等人提出了MSDiff [35]，這是一種用于超稀疏CT重建的多尺度擴散模型。通過結合完全采樣和稀疏投影，并通過迭代得分網絡優化重建，該方法提高了圖像質量。實驗表明MSDiff優于單一網絡模型，突顯了其在超稀疏CT重建中的有效性。

盡管Transformer和CDM在醫學圖像重建和自然圖像處理中都表現出了強大的性能，但它們的集成仍然很大程度上未被探索。Transformer憑借其自注意力機制在捕捉復雜圖像特征方面表現出色，但由于“回歸到均值”效應，往往會產生過度平滑的結果[36]。相比之下，CDM通過迭代細化有效建模數據分布，但在捕捉精細的空間細節（包括平面內區域、平面內全局和平面間信息）方面存在困難。此外，大多數現有的基于CDM的稀疏視圖重建方法僅依賴FBP重建的圖像作為條件輸入，限制了它們在反向過程中的指導能力。為了解決這些限制，我們提出了一種新型的圖像和Transformer協同引導的條件擴散模型（IT-CDM）用于稀疏視圖EPRI重建。IT-CDM結合了Transformer和CDM的互補優勢：雙注意力Transformer（DA-T）捕捉豐富的多尺度和多維特征，而CDM則建模底層數據分布并通過逐步采樣減輕過度平滑。

本研究的主要貢獻如下：

1)

我們提出了IT-CDM，這是一個將Transformer和CDM有效結合的框架，僅需2次采樣步驟即可實現高質量的EPRI重建。

2)

我們設計了一種雙注意力Transformer（DA-T），它結合了基于窗口的平面內自注意力（WISA）和平面間自注意力（WTSA），以實現高效的三維自注意力。進一步將混合擴張卷積（HDC）模塊集成到前饋網絡中，形成了一個區域增強的前饋網絡（ReFF）。預訓練的DA-T的輸出與FBP重建的圖像結合，共同指導CDM的反向過程。

3)

在EPRI數據集上的廣泛實驗表明，IT-CDM在稀疏視圖重建方面顯著優于現有的深度學習方法，在質量改進和定量指標方面都表現更優。全面的消融研究證實了IT-CDM核心組件和架構創新的有效性。