使用扩散模型去除超声图像雾状伪影

超声心动图一直是诊断心脏疾病的重要工具。然而，这些诊断可能严重受限于图像质量不佳。由于换能器与心脏之间皮肤、皮下脂肪和肋间肌各层引起的多径反射，产生了声学杂波。因此，雾状伪影和其他噪声伪影对心脏超声成像构成了切实挑战。在许多情况下，尤其是对于肥胖等难以成像的患者，B 型超声成像的诊断实际上无法使用，迫使超声医师求助于超声造影检查或将患者转介至其他成像方式。组织谐波成像一直是对抗雾状伪影的流行方法，但在严重情况下仍深受雾状伪影影响。另一方面，去噪算法通常无法去除高度结构化且相关的噪声，例如雾状伪影。准确描述结构化雾状伪影的统计特性并随后开发推断方法将其去除，仍是一项挑战。扩散模型已成为强大的生成模型，并在多种逆问题中展现出有效性。在本工作中，我们提出一种联合后验采样框架，结合两个独立的扩散模型以无监督方式对干净超声与雾状伪影的分布进行建模。此外，我们展示了在射频超声数据上有效训练扩散模型的技术，并强调了相对于图像数据的优势。在体外和体内心脏数据集上的实验表明，所提出的去雾方法在保留弱反射组织信号的同时有效去除了雾状伪影。