MUX-USCT：用于超声计算机断层扫描的噪声鲁棒神经网络
图像与视频处理
2026-07-12 v1
摘要
深度神经网络（DNN）在理想的噪声无关环境中显示出用于超声计算机断层扫描（USCT）重建的强大潜力，然而现有的DNN在临床实践中的噪声条件下很脆弱，因为它们同等对待遭受轻度、中度或重度噪声的输入。更具挑战性的是，噪声的分布会随环境而变化，这表明将特定噪声分布注入训练数据的噪声感知训练效果不佳。我们重新思考了这些挑战，并观察到如果我们知道噪声源并将其滤除，DNN模型可以变得对噪声更加鲁棒。这种滤波操作非常类似于多路复用器（或MUX），这是数字逻辑设计中的一种基本组合电路。然而，这里的挑战在于噪声在推理过程中可能随机发生；因此，手动预定义的MUX无法工作。为了解决这些挑战，我们提出了MUX-USCT，一种新颖的编码器-解码器DNN架构，它利用“自适应MUX”对已知的声学采集几何进行编码，该MUX可以自动识别和滤除噪声，其中注意力机制用于重建声速图。在OpenPros基准上，MUX-USCT达到了6.88 m/s的MAE，参数比领先基线（MAE为7.65 m/s）少17%。在模拟临床噪声下，它在导致与几何无关的基线失效的各种退化类型中保持稳定。结果表明，MUX-USCT中的注意力分布为换能器对之间的信号质量提供了可解释的指标。
引用
@article{arxiv.2607.10648,
title = {MUX-USCT: A Noise-Robust Neural Network for Ultrasound Computed Tomography},
author = {Yuchen Yuan and Hanhan Wu and Jinyang Li and Hanchen Wang and Yixuan Wu and Youzuo Lin and Lei Yang},
journal= {arXiv preprint arXiv:2607.10648},
year = {2026}
}
备注
10 pages, 6 figures, 3 tables. Accepted at MICCAI 2026. This is the author's accepted manuscript; the final version will appear in Springer LNCS. Code: https://github.com/TheYuchen/mux-usct-miccai2026