面向超声散斑噪声抑制的先验指导的层次化实例-像素对比学习
计算机视觉与模式识别
2026-02-17 v1
摘要
超声去噪对于减轻散斑引起的退化、提升图像质量和改善诊断可靠性至关重要。然而，由于散斑图案本质上同时编码了纹理和细微解剖细节，有效抑制噪声而保留结构忠实度仍是一大挑战。本研究提出一种先验指导的层次化实例-像素对比学习模型用于超声去噪，旨在通过在像素和实例两个层面最大化有噪样本与干净样本之间的可分离性，来促进噪声不变且结构感知的特征表示。具体而言，引入基于统计学的像素级对比学习策略，以增强有噪像素与干净像素之间的分布差异，提高局部结构一致性。同时，采用记忆库来实现特征空间中的实例级对比学习，鼓励特征更忠实地逼近底层数据分布。此外，采用混合Transformer-CNN体系结构，采用基于Transformer的编码器进行全局上下文建模，同时采用CNN解码器以针对细微解剖结构恢复进行优化，从而实现对长程依赖和局部纹理细节的互补利用。在两个公开可用的超声数据集上进行大规模评估，结果表明本方法在实际操作中持续优于现有方法，证明了其有效性与优越性。
引用
@article{arxiv.2602.13831,
title = {Prior-guided Hierarchical Instance-pixel Contrastive Learning for Ultrasound Speckle Noise Suppression},
author = {Zhenyu Bu and Yuanxin Xie and Guang-Quan Zhou},
journal= {arXiv preprint arXiv:2602.13831},
year = {2026}
}