利用 MRI 导出的归一化流先验进行超声散斑抑制与去噪
信号处理
2021-12-28 v1 计算机视觉与模式识别
摘要
超声成像提供了一种廉价、广泛可及且紧凑的医学成像方案。然而，与 CT 和 MRI 等其他成像模态相比，超声图像 notoriously 深受强散斑噪声之苦，其源于亚波长散射的随机干涉。这降低了超声图像质量并使得判读困难。我们在此提出一种基于最大后验估计与从高质量 MRI 图像学习的深度生成先验的新型无监督超声散斑抑制与图像去噪方法。为建模生成式组织反射率先验，我们利用归一化流，其近年来已证明在多种应用中建模信号先验方面非常强大。为促进泛化，我们对先验进行分解并在 NYU fastMRI（全采样）数据集的块上训练我们的流模型。该先验随后用于迭代去噪方案中的推断。我们首先在含噪 MRI 数据（无先验域偏移）上验证所学先验的效用，继而评估在来自 PICMUS 和 CUBDL 数据集的模拟与体内超声图像上的性能。结果表明该方法在定量与定性上均优于其他（无监督）超声去噪方法（NLM 与 OBNLM）。
引用
@article{arxiv.2112.13110,
title = {Ultrasound Speckle Suppression and Denoising using MRI-derived Normalizing Flow Priors},
author = {Vincent van de Schaft and Ruud J. G. van Sloun},
journal= {arXiv preprint arXiv:2112.13110},
year = {2021}
}
备注
10 pages, 8 figures