D3T：用于 3D 不完整视角 CT 重建的三平面潜在空间双域扩散 Transformer

基于摘要分析。本文研究不完整视角下的 3D CT 重建，针对逆问题的不适定性、重建伪影、全局不一致及高计算成本，提出 D3T：将高分辨率 3D CT 压缩为二维三平面潜在表示，并在该空间中进行双域条件扩散重建。其主要研究对象是 CT 成像逆问题，而非 EEG 解码或 BCI。 方法包含 triplanar vector quantized auto-encoder（TriVQAE）与 latent dual-domain diffusion transformer（LD3T）。TriVQAE 将 3D CT 编码为紧凑的二维三平面潜在码，以分解复杂空间结构并支持低开销的扩散建模；LD3T 在潜在空间中建模三个平面之间的全局相关性。双域条件生成流程同时引入图像条件与投影条件，使重建结构受到观测条件约束。Dual-Space Consistency Loss 在潜在空间监督之外加入图像级监督，以增强解码后 3D 图像的一致性；具体损失公式、权重及条件注入方式尚未验证。 作者报告在四个数据集、三种逆问题设置上的实验支持方法有效性，但摘要未提供数据集名称、视角采样方式、数据划分、对照方法、重建指标或具体数值。计算成本下降与重建保真度提升是作者的定性主张，当前无法判断收益幅度及其适用条件；实验协议、消融及统计信息尚未验证。 复现需进一步核对 TriVQAE 的压缩与解码设计、三平面交互机制、投影条件构造、扩散训练和采样设置，以及图像空间监督是否涉及投影物理约束。摘要中的三平面表示依赖 3D 空间结构，投影条件也具有 CT 成像特定含义，不能直接视为 EEG 通道—时间数据的通用表示或监督方式；现有材料不足以提出具体 EEG/BCI 迁移实验，相关工作尚未检索确认。