Amostragem Posterior por Difusão Semântica para Remoção de Névoa em Ultrassom Cardíaco

Semantic Diffusion Posterior Sampling for Cardiac Ultrasound Dehazing

August 24, 2025

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

cs.AI

Resumo

A ecocardiografia desempenha um papel central na imagem cardíaca, oferecendo visões dinâmicas do coração que são essenciais para diagnóstico e monitoramento. No entanto, a qualidade da imagem pode ser significativamente degradada por névoa resultante de reverberações de múltiplos caminhos, especialmente em pacientes difíceis de serem imageados. Neste trabalho, propomos um algoritmo de remoção de névoa baseado em difusão e guiado semanticamente, desenvolvido para o MICCAI Dehazing Echocardiography Challenge (DehazingEcho2025). Nosso método integra um modelo de ruído pixel a pixel, derivado da segmentação semântica de entradas nebulosas, em um framework de amostragem posterior de difusão guiado por um prior generativo treinado em dados de ultrassom limpos. A avaliação quantitativa no conjunto de dados do desafio demonstra um forte desempenho em métricas de contraste e fidelidade. O código do algoritmo submetido está disponível em 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.