基于扩散复原模型方差的超声成像
图像与视频处理
2024-06-18 v2 计算机视觉与模式识别
机器学习
摘要
尽管如今超声成像在医学中普遍存在，但超声信噪比仍受到多种噪声和伪影源的影响。此外，提高超声图像质量涉及平衡对比度、分辨率和散斑保持等并发因素。最近，在解决超声图像重建问题的基于模型和基于学习的方法方面均取得了进展。为了结合两个世界的优点，我们提出了一种混合重建方法，将超声线性直接模型与来自生成式去噪扩散模型的学习先验相结合。更具体地说，我们依赖于对预训练的去噪扩散复原模型（DDRM）进行无监督微调。鉴于超声固有的乘性噪声特性，本文提出了一个经验模型来表征超声图像扩散重建的随机性，并展示了其方差作为回波源性图估计器的价值。我们在合成、体外和体内数据上进行了实验，证明了我们的方差成像方法在从单平面波采集实现高质量图像重建方面的有效性，并与最先进的方法进行了比较。代码可在以下链接获取：https://github.com/Yuxin-Zhang-Jasmine/DRUSvar
引用
@article{arxiv.2403.15316,
title = {Ultrasound Imaging based on the Variance of a Diffusion Restoration Model},
author = {Yuxin Zhang and Clément Huneau and Jérôme Idier and Diana Mateus},
journal= {arXiv preprint arXiv:2403.15316},
year = {2024}
}
备注
5 pages; accepted by EUSIPCO 2024. arXiv admin note: text overlap with arXiv:2310.20618