做 CT 重建的同学大概都踩过这几个坑想找稀疏视角或低剂量方向的代表作搜出来一堆二手解读想复现一篇论文发现它用的数据集只有图像域、根本没有原始投影想选个投影算子库TIGRE、ASTRA、torch-radon 各说各的好。我一直在整理 CT 重建方向的资料最近把它做成了一个开源列表和网站Awesome Computed Tomography。这篇文章不只是介绍项目也把整理过程中总结的一些选型经验分享出来希望对入门和做课题的同学有用。项目地址https://github.com/cslht11/awesome-computed-tomography网站支持搜索有中文版https://computedtomography.org/一、收录了什么目前收录 392 篇论文时间跨度 1917–2026其中 84% 为同行评审发表另有 44 个工具包、41 个数据集、19 个基准与挑战赛。覆盖 CT、CBCT 和显微 CT。论文按方向分为 17 类括号内为篇数综述与回顾23经典与迭代重建68稀疏视角 CT136有限角层析44低剂量 CT 去噪58金属伪影校正21能谱与双能 CT18锥束 CT66动态与 4D CT21散射校正11几何标定与运动补偿25深度展开与基于模型的学习68自监督与免训练方法32扩散与生成式先验55隐式神经表示24高斯溅射24其他主题29一篇论文可以同时属于多个方向所以各类之和大于总数。每条论文都标注了出处和年份每个链接都对照 Crossref、arXiv 或出版方记录逐条核验过。预印本会单独标出不会和正式发表混在一起。二、刚入门建议这样读如果你刚进组、方向还没定可以按这个顺序先读两三篇综述建立全局观。比如 Nature Machine Intelligence 2020 年的 Deep Learning for Tomographic Image Reconstruction以及 TRPMS 2024 年的 A Review of Deep Learning CT Reconstruction From Incomplete Projection Data。补经典方法FBP、SART、TV 正则化这些是后面所有深度方法的对照基线绕不过去。再按课题进入具体方向。稀疏视角是列表里论文最多的方向136 篇扩散先验、隐式神经表示和高斯溅射则是近几年兴起的新方向。三、工具包怎么选44 个工具包里做重建最常用的大概是这几个TIGREGPU 加速的锥束和平行束工具箱自带 FDK、SART、SIRT、CGLS 及 TV 变体MATLAB 和 Python 都能用上手快。ASTRA Toolbox历史最久的研究型工具箱投影几何和算法覆盖面广很多论文拿它当参照基线。torch-radonPyTorch 里的可微分 Radon 变换和 FBP适合把投影算子嵌进网络端到端训练。DeepInverse面向成像逆问题的 PyTorch 库物理算子、学习型去噪器、展开网络和基准测试都有。LEAPLLNL 出品做三维透射 CT 的基于模型迭代重建工程化程度高。TomoPy同步辐射显微/纳米 CT 方向的参照工具箱。我的经验是做传统迭代或需要复杂几何先用 TIGRE 或 ASTRA要和深度网络联合训练优先 torch-radon 或 DeepInverse做同步辐射直接 TomoPy。四、选数据集前先看清它是哪个域这是整理过程中我觉得最值得说的一点。很多 CT 数据集只提供重建好的图像没有原始投影。用这类数据做“重建”本质上是在图像上自己仿真投影无法检验你的方法在真实投影数据上的表现。所以列表里每个数据集都标注了数据类型投影域 图像域既有原始投影又有参考图像可以端到端评估。例如 LoDoPaB-CT、Mayo Clinic 的 LDCT-and-Projection-data、2DeteCT。仅投影域只有原始数据例如 Walnut-CBCT、Helsinki Tomography Challenge 2022。仅图像域只能做图像后处理无法检验投影模型例如 LIDC-IDRI、DeepLesion、CT-RATE。几个常用数据集的细节也值得注意LoDoPaB-CT 只有单一噪声水平N0 4096其他剂量需要自己重新仿真。LDCT-and-Projection-data 的降剂量投影是仿真的头部和腹部为常规剂量的 25%胸部为 10%。2DeteCT 是 5,000 张真实采集的二维切片有三个剂量水平适合做真实数据上的可复现对比。另外每个数据集都标了许可用之前要看清楚。比如 LDCT-and-Projection-data 的胸部和腹部数据目前为 CC BY 4.0可商用但须署名引用头部数据因可能重建出人脸需要按 NIH 受控访问流程申请。五、对比方法用这些基准19 个基准与挑战赛里几个常用的AAPM DL-Sparse-View CT Challenge2021二维乳腺 CT 仿真128 视角理想无噪声扇束投影提供 4000 组训练数据、100 例测试按 RMSE 公开排名是稀疏视角深度学习方法的常用参照。Helsinki Tomography Challenge 2022真实测量的有限角数据。冠军是纯深度学习方案在合成数据上训练而唯一采用经典模型方法的 CIL 团队拿了季军说明传统迭代方法在有限角任务上依然有竞争力。SPARE Challenge胸部 4D 锥束 CT 重建动态 CBCT 的参照基准。DeepInverse benchmark suite统一的 PyTorch 基准框架适合把新方法和强通用求解器放在一起比。六、关于项目网站和 README 由同一份结构化数据生成中英文双语。网站支持搜索可按论文、工具包、数据集等栏目浏览。内容采用 CC BY-NC-SA 4.0 许可引用的论文、数据集和工具请遵守各自的原始许可。项目由我个人维护不接受 PR。发现错误、遗漏或想推荐论文欢迎提 issue或发邮件到 heitieya163.com。如果这份资料对你有用欢迎 star。更希望大家指出遗漏你所在方向还有哪些值得收录的论文、工具或数据集评论区告诉我我会核验后补充进去。