基于超分重建深度神经网络的超声图像去噪OA
医学超声成像是使用最广泛的医学成像之一.受制于超声成像机制本身的局限性,超声图像存在固有的散斑噪声,降低了图像的分辨率和清晰度,对病灶的诊断造成了较大干扰.为解决这一问题,提出一种基于超分辨率重建(超分重建)的深度学习方法用于超声图像去噪.该方法通过引入超分辨率重建网络模块对超声噪声图像进行多尺度去噪,以保留更多的细节信息.实验结果显示,所提出的去噪方法在视觉评价以及峰值信噪比(PSNR)、结构相似性测度(SSIM)、无参考图像指标(NIQE)等方面都取得了良好的效果,证明了该方法的有效性.
陈治伟;庄艳;陈科;韩霖;林江莉
四川大学生物医学工程学院,四川成都610065四川大学生物医学工程学院,四川成都610065四川大学生物医学工程学院,四川成都610065四川大学生物医学工程学院,四川成都610065四川大学生物医学工程学院,四川成都610065
信息技术与安全科学
超声去噪散斑去噪超分辨率深度学习卷积神经网络
《四川师范大学学报(自然科学版)》 2026 (5)
P.675-682,8
四川省自然科学基金(2023NSFSC0636)。
评论