arXiv cs.AI· Jiajing Zhang, Bingze Dai, Xi Zhang, Yue Xu, Wei-Ning Lee·· 14 小时前AI 评分19
基于相干性引导金字塔自对比解耦的超声成像单样本测试时训练方法
Coherence-Guided Pyramid Self-Contrastive Disentanglement for Ultrasound Imaging via Single-Shot Test-Time Training
AI 导读
研究提出金字塔自对比解耦（PSCD）模型，将IQ信号相干性推广到可学习隐空间并作为对比判别器，把接收信号隐式解耦为相干解剖空间与非相干噪声空间，仅从解剖空间估计干净IQ信号用于B模式成像。该方法可在单样本测试时训练，仿真中SNR提升69.3%、CNR提升34.4%；仅用两个孔径的活体实验（六个超声心动图视图及腹部器官）SNR提升84.8%、CNR提升25.7%，并保持更高分辨率与边界锐度。
正文 · AI 翻译
摘要：固有的电子噪声、旁瓣和散斑噪声使超声图像的临床解读变得复杂。传统的去噪方法依赖于显式的噪声假设，在复合噪声条件下可能表现不佳。基于学习的方法通常在有限的图像域中进行预训练，在复杂的\textit{体内}环境中面临不可避免的域偏移。本研究提出了一种带有金字塔自对比解缠（PSCD）模型的计算超声成像流程。我们将显式的 IQ 信号相干性推广到可学习的潜在空间，并将其表述为对比评判器，以将接收到的 IQ 信号隐式解缠为相干的解剖空间和非相干的噪声空间。用于 B 模式图像形成的干净 IQ 信号仅从解剖空间估计得到。我们首先将 PSCD 应用于合成孔径超声，其中孔径到孔径的代理任务约束了双域中的选择性重建。该框架可以在测试时使用单次成像数据进行训练。仿真实验（包括 0 至 30 dB 的噪声水平以及从简单到复杂的几何结构）表明，SNR 提升了 69.3$\%$，CNR 提升了 34.4$\%$。\textit{体内}实验（包括六个超声心动图视图下的人体心脏及其他腹部器官）显示，仅使用两个孔径即可获得 84.8$\%$ 的 SNR 和 25.7$\%$ 的 CNR 增益。我们的 PSCD 还实现了更高的图像分辨率和边界锐度，同时保留了高频细节。它可以自然地推广到其他涉及多次发射-接收事件的超声成像流程，从而在无需域偏移和预训练成本的情况下实现精确的解剖可视化。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2605.12567 [cs.CV] |
| （或此版本的 arXiv:2605.12567v3 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2605.12567 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jiajing Zhang [查看电子邮件]
[v1]
2026 年 5 月 12 日星期二 09:27:21 UTC（28,679 KB）
[v2]
2026 年 6 月 17 日星期三 14:38:16 UTC（21,701 KB）
[v3]
2026 年 10 月 25 日星期日 16:10:49 UTC（28,885 KB）
来源：arXiv cs.AI · arxiv.org