在临床超声波成像中使用无监督的斑点降噪技术
Dongkyu Jung1, Myeongkyun Kang1, Sang Hyun Park1
1Department of Robotics and Mechatronics Engineering, Daegu Gyeongbuk Institute of Science and Techology, Daegu, Korea.
Ultrasonography (Seoul, Korea)
|August 19, 2024
概括
本研究介绍了Speckle-to-Speckle (S2S),一种用于超声波图像增强的无监督深度学习方法. 在不需要清洁的参考图像的情况下,S2S有效地抑制了斑点和噪音,显著提高了图像质量并缩短了处理时间.
科学领域:
- 医疗成像医学成像
- 深度学习 (Deep Learning) 是一种深度学习.
- 超声波技术 超声波技术 超声波技术
背景情况:
- 深度学习在超声波图像中模拟复杂的文物方面表现出色.
- 训练深度学习模型需要干净,无噪声的参考图像,这些图像很难获得.
研究的目的:
- 引入一个无监督的深度学习框架,Speckle-to-Speckle (S2S),用于超声波图像增强.
- 在不需要清洁的参考图像的情况下,开发一种抑制斑点和噪音的方法.
主要方法:
- 使用统计推理来相互训练具有不同噪音模式的两个体内超声波图像.
- 在没有参考数据的手动注释的情况下,输入无斑点和无噪音的图像.
主要成果:
- 在信号与噪声比率,对比与噪声比率以及结构相似性方面,S2S显著优于现有技术.
- 实现了高达86倍更快的处理时间,并在不同超声波扫描仪的图像上表现出色.
结论:
- 无监督学习,如S2S,对医学成像应用有很大的前景.
- 这种方法解决了在医学成像中获取地面真实数据的挑战.
