DiffSOS：基于声学条件扩散模型的超声 CT 声速重建
计算机视觉与模式识别
2026-03-03 v1
摘要
准确重建声学波形的声速 (Speed-of-Sound, SoS) 是超声计算断层扫描 (USCT) 的核心，使能够定量的速度映射揭示常规成像中难以察觉的细微解剖细节和病理变化。然而，现有算法的局限性仍制约了实际应用；传统的完全波形反演 (FWI) 计算密集，而当前深度学习方法倾向于产生平滑结果，缺乏细节。我们提出 DiffSOS，一种条件扩散模型，直接将声学波形映射到 SoS 图。我们的框架采用专门的声学 ControlNet，将去噪过程严格 grounding 在物理波测量中。为确保结构一致性，我们优化混合损失函数，集成噪声预测、空间重建和噪声频率内容。为加速推理，我们采用随机去噪扩散隐式模型 (DDIM) 采样，仅需 10 步即可实现接近实时重建。关键的是，我们利用框架的随机生成特性来估计像素级不确定性，提供常缺失于确定性方法中的可靠性度量。在 OpenPros USCT 数据集上评估，DiffSOS 显著优于最先进的网络，实现多尺度结构相似度平均值为 0.957。我们的做法提供具有原则性置信度措施的高保真 SoS 图，促进更安全、更快的临床解读。
引用
@article{arxiv.2603.00382,
title = {DiffSOS: Acoustic Conditional Diffusion Model for Speed-of-Sound Reconstruction in Ultrasound Computed Tomography},
author = {Yujia Wu and Shuoqi Chen and Shiru Wang and Yucheng Tang and Petr Bruza and Geoffrey P. Luke},
journal= {arXiv preprint arXiv:2603.00382},
year = {2026}
}