심초음파 영상 탁도 제거를 위한 의미론적 확산 후처리 샘플링

Semantic Diffusion Posterior Sampling for Cardiac Ultrasound Dehazing

August 24, 2025

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

cs.AI

초록

심초음파는 심장 영상에서 중심적인 역할을 하며, 진단과 모니터링에 필수적인 심장의 동적 관찰을 제공합니다. 그러나 특히 영상 획득이 어려운 환자에서 다중 경로 반사로 인해 발생하는 안개 현상으로 인해 영상 품질이 크게 저하될 수 있습니다. 본 연구에서는 MICCAI Dehazing Echocardiography Challenge(DehazingEcho2025)를 위해 개발된 의미론적 가이드와 확산 기반의 안개 제거 알고리즘을 제안합니다. 우리의 방법은 안개가 낀 입력 영상의 의미론적 분할에서 도출된 픽셀 단위 잡음 모델을 깨끗한 초음파 데이터에 대해 학습된 생성적 사전 정보로 가이드된 확산 후방 샘플링 프레임워크에 통합합니다. 챌린지 데이터셋에 대한 정량적 평가는 대비 및 충실도 지표에서 강력한 성능을 보여줍니다. 제출된 알고리즘의 코드는 https://github.com/tristan-deep/semantic-diffusion-echo-dehazing에서 확인할 수 있습니다.

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.