基于教师-学生扩散框架的实时无硬件HIFU干扰抑制
计算机视觉与模式识别
2026-05-26 v2
摘要
高强度聚焦超声（HIFU）是一种非侵入性治疗，但其安全性常因连续超声引导期间的严重声学干扰而降低。传统的HIFU干扰抑制方法严重依赖专有原始射频数据或复杂的硬件同步，限制了其临床应用并阻碍了实时实现。为解决这一局限性，我们提出了流形约束超连接扩散（mHC-Diff），一种图像域扩散框架，用于在不依赖专门硬件同步的情况下实现实时干扰抑制，在确保高重建保真度的同时将复杂干扰与解剖结构分离。为实现临床实时应用，我们的方法采用两阶段策略：（i）解剖感知先验获取，其中使用多步UNet作为高保真教师训练扩散模型；（ii）效率蒸馏，其中该先验通过知识蒸馏蒸馏为一步学生模型以实现实时吞吐量。在涵盖多样化治疗场景的临床代表性数据集上的广泛验证表明，mHC-Diff实现了优越的恢复效果（26.65 dB PSNR），同时在单个NVIDIA RTX 4090上实现实时推理（约20 FPS），相比迭代扩散基线（如HIFU-Diff）实现了约6.8倍的加速。通过消除对专门硬件同步和专有RF访问的需求，该图像域框架确保了兼容性，并促进了超声引导HIFU干预期间的实时干扰抑制。
引用
@article{arxiv.2509.01557,
title = {Real-Time Hardware-Free HIFU Interference Suppression via Teacher-Student Diffusion Framework},
author = {Dejia Cai and Ali Abdollahi and Xi Wang and Kun Yang and Zhaohui Guo and Xiaowei Zhou and Hao Chen},
journal= {arXiv preprint arXiv:2509.01557},
year = {2026}
}