Framework di Apprendimento Auto-Contrastivo a Piramide per la Denoising di Ecografie in Tempo di Test
Viene proposto un nuovo framework di addestramento in tempo di test per la denoising di immagini ecografiche one-shot, applicato specificamente all'ecografia a apertura sintetica (SAU). Il framework Apertura-a-Apertura (A2A) utilizza l'apprendimento auto-contrastivo in spazi latenti piramidali per separare la similarità anatomica dalla casualità del rumore in sotto-aperture mescolate. L'immagine pulita viene quindi decodificata dallo spazio anatomico. Questo approccio affronta i problemi di domain shift in ambienti in vivo complessi, evitando la dipendenza da assunzioni esplicite sul rumore o da grandi quantità di dati etichettati. Il metodo è dettagliato in arXiv:2605.12567v1.
Fatti principali
- Propone un framework di addestramento puro in tempo di test per la denoising di immagini ecografiche one-shot.
- Applicato all'ecografia a apertura sintetica (SAU).
- Il framework Apertura-a-Apertura (A2A) separa la similarità anatomica e la casualità del rumore.
- Utilizza l'apprendimento auto-contrastivo in spazi latenti piramidali.
- L'immagine pulita viene decodificata dallo spazio anatomico.
- Affronta il domain shift in ambienti in vivo complessi.
- Evita la dipendenza da assunzioni esplicite sul rumore o da grandi quantità di dati etichettati.
- Pubblicato su arXiv con ID 2605.12567v1.
Entità
Istituzioni
- arXiv