PulseAugur
中
实时 10:30:50
English(EN) Pyramid Self-Contrastive Learning for Single-shot Test-time Ultrasound Image Denoising

新AI框架无需预训练即可对超声图像去噪

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的金字塔自对比学习（PSCL）框架，该框架无需任何先验训练即可对超声图像进行去噪。该方法适用于单次成像，利用多个噪声样本在独立的金字塔潜在空间中区分解剖结构相似性和噪声。然后，该框架通过分离解剖结构信息来重建清晰的图像。在合成孔径超声（SAU）上的实验证明了信噪比（SNR）和对比度噪声比（CNR）的显著提高，并且在心脏、肝脏和肾脏成像的实际应用中显示出图像清晰度的显著提升。 AI

影响 这种新颖的方法有望在无需大量训练数据或领域特定模型的情况下实现更清晰的医学成像。

排序理由 该集群包含一篇详细介绍用于图像去噪的新AI框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Jiajing Zhang, Bingze Dai, Xi Zhang, Yue Xu, Wei-Ning Lee ·

    Pyramid Self-Contrastive Learning for Single-shot Test-time Ultrasound Image Denoising

    arXiv:2605.12567v2 Announce Type: replace-cross Abstract: The inherent electronic and speckle noise complicates clinical interpretation of ultrasound images. Conventional denoising methods rely on explicit noise assumptions whose validity diminishes under composite noise conditio…

相关话题