SPADE：使用解析与无数据增强框架的光谱光声去噪
计算机视觉与模式识别
2024-12-24 v2
摘要
光谱光声（sPA）成像使用多个波长基于色团独特的吸收光谱来区分它们。该技术已广泛应用于血管标测、肿瘤检测和治疗监测等领域。然而，sPA 成像极易受噪声影响，导致信噪比（SNR）较差和图像质量受损。传统的去噪技术（如帧平均）虽然能有效提高 SNR，但由于会降低帧率，在动态成像场景中往往不切实际。包括基于学习的方法和解析算法在内的先进方法已展现出潜力，但通常需要大量训练数据和参数调优，限制了它们在实时临床应用中的适应性。在这项工作中，我们提出了一种用于 sPA 图像去噪的免调参解析与无数据增强（SPADE）框架。该框架将无数据基于学习的方法与高效的基于 BM3D 的解析方法相结合，同时保持光谱线性，提供降噪并确保功能信息得以保留。SPADE 框架通过仿真、体模、离体和在体实验进行了验证。结果表明，SPADE 提高了 SNR 并保留了光谱信息，优于传统方法，尤其是在具有挑战性的成像条件下。在降噪和光谱保留至关重要的临床应用中，SPADE 为提高 sPA 成像质量提供了一个有前景的解决方案。
引用
@article{arxiv.2412.12068,
title = {SPADE: Spectroscopic Photoacoustic Denoising using an Analytical and Data-free Enhancement Framework},
author = {Fangzhou Lin and Shang Gao and Yichuan Tang and Xihan Ma and Ryo Murakami and Ziming Zhang and John D. Obayemi and Winston W. Soboyejo and Haichong K. Zhang},
journal= {arXiv preprint arXiv:2412.12068},
year = {2024}
}
备注
19 pages, 7 figures