通过 Noisier2Inverse 实现光声重建中的自监督角度去模糊
计算机视觉与模式识别
2026-04-20 v1
摘要
光声断层成像（PAT）是一种新兴的成像模态，结合了光学对比度和超声分辨率的互补优势。其核心任务是图像重建，即利用测量的声信号恢复初始压力分布。对于理想的点状或线状探测器，存在几种高效快速的重建算法，包括傅里叶方法、滤波反投影和时间反演。然而，当应用于有限尺寸探测器采集的数据时，这些方法会产生系统性模糊的图像。尽管可以通过补偿有限探测器效应来获得更清晰的图像，但监督学习方法通常需要真实图像，而这在实际中可能无法获得。我们提出了一种基于 Noisier2Inverse 的自监督重建方法，该方法无需真实数据即可解决有限尺寸探测器效应。我们的方法直接对含噪测量值进行操作，并以无真实数据的方式学习恢复高质量的 PAT 图像。其关键组成部分是：(i) 针对 PAT 的特定建模，将问题重新表述为角度去模糊；(ii) 在极坐标域中的 Noisier2Inverse 公式，利用了已知的角度点扩散函数；(iii) 一种新颖的、基于统计的早停规则。在实验中，所提出的方法始终优于不使用监督数据的替代方法，并达到了接近监督基准的性能，同时对于使用有限尺寸探测器的实际采集具有实用性。
引用
@article{arxiv.2604.15681,
title = {Self-Supervised Angular Deblurring in Photoacoustic Reconstruction via Noisier2Inverse},
author = {Markus Haltmeier and Nadja Gruber and Gyeongha Hwang},
journal= {arXiv preprint arXiv:2604.15681},
year = {2026}
}