Campionamento a Posteriori con Diffusione Semantica per la Dehazing delle Ecocardiografie

Semantic Diffusion Posterior Sampling for Cardiac Ultrasound Dehazing

August 24, 2025

Autori: Tristan S. W. Stevens, Oisín Nolan, Ruud J. G. van Sloun

cs.AI

Abstract

L'ecocardiografia svolge un ruolo centrale nell'imaging cardiaco, offrendo viste dinamiche del cuore essenziali per la diagnosi e il monitoraggio. Tuttavia, la qualità dell'immagine può essere significativamente compromessa dalla foschia causata da riverberazioni multipath, specialmente in pazienti difficili da visualizzare. In questo lavoro, proponiamo un algoritmo di de-hazing basato su diffusione e guidato semanticamente, sviluppato per la MICCAI Dehazing Echocardiography Challenge (DehazingEcho2025). Il nostro metodo integra un modello di rumore pixel-wise, derivato dalla segmentazione semantica di input offuscati, in un framework di campionamento posteriore di diffusione guidato da un precedente generativo addestrato su dati ecografici puliti. La valutazione quantitativa sul dataset della challenge dimostra prestazioni solide in termini di contrasto e fedeltà. Il codice per l'algoritmo presentato è disponibile all'indirizzo https://github.com/tristan-deep/semantic-diffusion-echo-dehazing.

English

Echocardiography plays a central role in cardiac imaging, offering dynamic views of the heart that are essential for diagnosis and monitoring. However, image quality can be significantly degraded by haze arising from multipath reverberations, particularly in difficult-to-image patients. In this work, we propose a semantic-guided, diffusion-based dehazing algorithm developed for the MICCAI Dehazing Echocardiography Challenge (DehazingEcho2025). Our method integrates a pixel-wise noise model, derived from semantic segmentation of hazy inputs into a diffusion posterior sampling framework guided by a generative prior trained on clean ultrasound data. Quantitative evaluation on the challenge dataset demonstrates strong performance across contrast and fidelity metrics. Code for the submitted algorithm is available at https://github.com/tristan-deep/semantic-diffusion-echo-dehazing.