心脏超声去雾的语义扩散后验采样

超声心动图在心脏成像中起着核心作用，提供心脏的动态视图，这对于诊断和监测至关重要。然而，由多径反射引起的“朦胧”会严重降低图像质量，尤其是在难以成像的患者中。在本研究中，我们提出了一种用于MICCAI超声心动图去朦胧挑战赛（DehazingEcho2025）的基于语义引导的、基于扩散的去朦胧算法。我们的方法将从朦胧输入语义分割派生的像素级噪声模型集成到由在干净超声数据上训练的生成先验引导的扩散后验采样框架中。在挑战赛数据集上的定量评估证明了该方法在对比度和保真度指标方面表现出色。提交算法的代码可在 <a href="https://github.com/tristan-deep/semantic-diffusion-echo-dehazing&quot;&gt;https://github.com/tristan-deep/semantic-diffusion-echo-dehazing&lt;/a&gt; 获取。