心臓超音波画像の脱ハイジングのための意味的拡散事後サンプリング

Semantic Diffusion Posterior Sampling for Cardiac Ultrasound Dehazing

August 24, 2025

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

cs.AI

要旨

心エコー検査は、心臓画像診断において中心的な役割を果たしており、診断とモニタリングに不可欠な動的な心臓の視覚化を提供します。しかし、特に撮影が困難な患者では、多重反射によるかすみが画像品質を著しく低下させることがあります。本研究では、MICCAI Dehazing Echocardiography Challenge (DehazingEcho2025) 向けに開発された、セマンティックガイド型の拡散ベースのかすみ除去アルゴリズムを提案します。本手法は、かすんだ入力画像のセマンティックセグメンテーションから導出されたピクセル単位のノイズモデルを、クリーンな超音波データで学習された生成事前分布に基づく拡散事後サンプリングフレームワークに統合します。チャレンジデータセットにおける定量的評価では、コントラストと忠実度の指標において優れた性能を示しています。提出されたアルゴリズムのコードは、https://github.com/tristan-deep/semantic-diffusion-echo-dehazing で公開されています。

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.