Sep, 2024

基于扩散模型方差的超声图像增强

HTML
PDF
TL;DR本研究针对超声成像中普遍存在的噪声与伪影问题，提出了一种新颖的方法，将自适应波束形成与去噪扩散模型相结合，以提升图像质量。实验结果表明，该方法在单平面波采集的图像重建上表现出了显著的优势，可能在医学成像领域产生重要影响。
发现论文，激发创造
  • 使用扩散概率模型进行深超声波降噪

    本研究提出了一种基于DDPM的无监督去噪方法，可改善超声图像的质量并保留散斑纹理特征，在泛化对比噪声比和噪声峰值信噪比方面优于以往方法。

    Jun, 2023

  • 基于去噪扩散的空间变异噪声去除(SVNR)

    本研究提出了一种新的去噪扩散模型SVNR，它假定更加现实的空间变异噪声模型，使其能够在噪声输入图像上进行去噪扩散过程，并考虑了条件图像与修改扩散过程样本之间的相关性。实验表明，相对于强扩散模型和单图像去噪方法，我们的方法具有优势。

    Jun, 2023

  • 超声图像重建的去噪扩散恢复模型

    本文提出了两种基于学习先验的超声反问题模型，并通过实验证明从单个波束可以实现与DAS和最先进方法相媲美或更好的图像质量。

    Jul, 2023

  • 具信息不确定性的超声图像的扩散重建

    借鉴扩散模型的进展，我们提出了一种混合方法以改进超声成像质量，通过适应性去噪扩散恢复模型结合超声物理学和基于学习的方法，并在模拟、离体和体内数据上进行全面的实验，证明其较单一面波输入和现有方法相比实现了高质量的图像重建。

    Oct, 2023

  • 超声图像重建的快速采样生成模型

    利用新型采样框架和先进的扩散模型，我们提出了一种从射频数据中重建图像的方法，以加速高质量图像的生成过程。通过实验评估，我们的方法在单平面波条件下胜过了具有75个平面波空间相干合成的传统延迟和求和(DAS)技术。

    Dec, 2023

  • 单PW在美国成像中采用一种捷径生成复合PW

    通过采用先进的扩散模型，我们在超声图像重建方面展示出了有效性，从而实现了采样步骤的大幅削减，所得结果与传统的扩散模型相比具有可比性。

    Dec, 2023

  • 基于扩散恢复模型的超声成像

    通过结合超声线性直接模型和基于生成的去噪扩散模型的学习先验，提出了一种混合重建方法，可以实现高质量图像重建并有效地估计多普勒变化的声回声强度。

    Mar, 2024

  • 扩散作为声波传播：用于超声图像生成的物理启发模型

    通过引入专门为超声成像设计的基于物理扩散模型，提出了一种改善生成超声图像质量的新方法，该方法结合了超声波传播自然行为的模拟方案，定性和定量结果表明该方法产生了更加合理的图像。

    Jul, 2024

  • 使用扩散概率模型去噪平面波超声图像

    本研究解决了高帧率超声成像中高噪声的问题，影响了其广泛应用。提出了一种基于去噪扩散概率模型（DDPM）的方法，通过将低角度和平面波的高角度合成视为噪声，显著提升了图像质量。研究结果表明，该方法在模拟数据、幻影和活体图像中均表现出优越的去噪效果，具有重要的临床应用潜力。

    Aug, 2024

  • 基于扩散模型的顺序后验采样

    本研究解决了扩散模型在实时顺序逆问题（如超声成像）中计算昂贵的问题。提出了一种新方法，通过建模图像序列的数据转移动态，显著提高了后验采样的效率。研究结果表明，该方法在保持性能的同时，实现推断速度提升25倍，并在严重运动情况下提高了PSNR达8%。

    Sep, 2024