EdgeSRIE：面向便携式超声系统的实时斑点消除与图像增强混合深度学习框架
图像与视频处理
2025-07-08 v1 人工智能
计算机视觉与模式识别
摘要
超声图像中的斑点模式常常掩盖解剖细节，导致诊断不确定性。最近引入了各种深度学习 (DL) 基于技术有效抑制斑点，但其高计算成本在低资源设备（如便携式超声系统）上提出了挑战。为此，本文介绍了 EdgeSRIE，这是一个用于便携式超声成像的实时斑点消除和图像增强的轻量级混合 DL 框架。该框架由两个主要分支构成：一个无监督的去斑分支，通过最小化斑点图像之间的损失函数进行训练；另一个去模糊分支，将模糊图像恢复为锐利图像。对于硬件实现，将训练好的网络量化为 8 位整数精度，并部署在低资源系统单芯片 (SoC) 上，其功耗受限。在phantoms 和体内分析的性能评估中，EdgeSRIE 在对比其他基线（不同 2 规则方法和其他 4 种 DL 方法）后，实现了最高的对比噪声比 (CNR) 和平均梯度幅值 (AGM)。此外，EdgeSRIE 在实际便携式超声硬件上实现了超过 60 帧/秒的实时推理，同时满足计算要求（< 20K 参数）。这些结果表明，EdgeSRIE 已为资源受限环境下的实时高质量超声成像提供了可行性。
引用
@article{arxiv.2507.03937,
title = {EdgeSRIE: A hybrid deep learning framework for real-time speckle reduction and image enhancement on portable ultrasound systems},
author = {Hyunwoo Cho and Jongsoo Lee and Jinbum Kang and Yangmo Yoo},
journal= {arXiv preprint arXiv:2507.03937},
year = {2025}
}