去雾超声图像使用扩散模型
摘要：超声心动图是诊断心脏疾病的重要工具，但图像质量差可以严重妨碍诊断。由于超声探头与心脏之间存在皮肤、皮下脂肪和肋间肌肉等层的多路径反射，造成声纳杂散。因此，雾霾和其他噪声给心脏超声成像带来了真正的挑战。在许多情况下，特别是对于难以成像的患者，例如肥胖患者，B-Mode超声成像的诊断结果是无法使用的，迫使超声技师采用增强超声显影或将患者转至其他成像模式。组织谐波成像已成为对抗雾霾的一种流行方法，但在严重情况下仍受到雾霾的影响。另外，降噪算法通常无法去除高结构和相关噪声，比如雾霾。准确描述结构化雾霾的统计特性，并开发推断方法来消除它仍然是一个挑战。扩散模型已经成为强大的生成模型，并在各种逆问题中表现出其有效性。在这项工作中，我们提出了一个联合后验采样框架，将两个单独的扩散模型结合起来，以无监督的方式建模干净的超声和雾霾的分布。此外，我们演示了用于有效训练扩散模型的射频超声数据技术，并凸显其与图像数据的优势。对于emph{体外}和emph{体内}心脏数据集的实验证明，所提出的除雾方法能够有效去除雾霾，同时保留来自弱反射组织的信号。
作者：Tristan S.W. Stevens, Faik C. Meral, Jason Yu, Iason Z. Apostolakis, Jean-Luc Robert and Ruud J.G. van Sloun
论文ID：2307.11204
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-07-24