[论文解读] Ultrasound Confidence Maps of Intensity and Structure Based on Directed Acyclic Graphs and Artifact Models

Alex Ling Yu Hung, Wanwen Chen+1 more|arXiv (Cornell University)|Nov 24, 2020

Medical Image Segmentation Techniques参考文献 18被引用 5

一句话总结

本文提出了一种基于有向无环图（DAG）和伪影模型的新型超声波置信度映射框架，用于评估像素级的强度与结构置信度。通过使用具有深度相关边权重的因果DAG对衰减、衍射、斑点噪声以及伪影（如阴影和混响）进行建模，该方法实现了鲁棒的置信度估计，在阴影检测和图像融合方面优于先前的工作，尤其在保留血管边界和抑制伪影方面表现更优。

ABSTRACT

Ultrasound imaging has been improving, but continues to suffer from inherent artifacts that are challenging to model, such as attenuation, shadowing, diffraction, speckle, etc. These artifacts can potentially confuse image analysis algorithms unless an attempt is made to assess the certainty of individual pixel values. Our novel confidence algorithms analyze pixel values using a directed acyclic graph based on acoustic physical properties of ultrasound imaging. We demonstrate unique capabilities of our approach and compare it against previous confidence-measurement algorithms for shadow-detection and image-compounding tasks.

研究动机与目标

• 解决超声波图像伪影（如阴影、衰减、衍射和斑点噪声）对图像分析可靠性造成的负面影响。
• 克服先前置信度估计方法的局限性，这些方法对梯度变化敏感，且对混响和衍射效应建模不足。
• 开发一种随深度自然衰减但能保持结构边界的鲁棒强度置信度图。
• 提出一种新型结构置信度图，用于量化真实解剖边界的可能性，从而将其与伪影区分开来。
• 通过在融合算法中用所提出的置信度图替代不确定性度量，实现更优的图像融合效果。

提出的方法

• 在置信度估计前，使用Canny边缘感知系数的各向异性扩散方法对斑点噪声进行去噪。
• 构建一个有向无环图（DAG），其中每个像素的置信度仅取决于其上方一行中一组像素的加权置信度之和。
• 使用类似高斯的加权函数 ψ(k) 来建模上方邻近像素的影响，其中正上方像素的贡献最大。
• 根据图像梯度和深度定义边权重 wi,j,k，以整合物理衰减和衍射效应。
• 在第一幅图像行中将置信度初始化为1.0作为因果干预，然后通过公式(3)将置信度向下传播：C(i+1,j) = Σ ψ(k)wi,j+k,kC(i,j+k)。
• 分别利用边缘和纹理特征计算结构置信度，以检测真实解剖边界，从而将其与伪影区分开。

实验结果

研究问题

• RQ1 与先前的随机游走方法相比，基于DAG的置信度模型在处理均匀超声区域中突然的强度梯度时是否表现更优？
• RQ2 显式建模衍射和衰减在深层组织区域中对置信度估计的改善程度如何？
• RQ3 所提出的结构置信度图能否有效区分真实解剖边界与混响或阴影等伪影？
• RQ4 在图像融合中，通过引入特定伪影建模（如针状伪影、混响）是否能显著提升融合性能？
• RQ5 在融合算法中用置信度替代不确定性度量，是否能带来更优的图像质量表现？

主要发现

• 我们的强度置信度图在区域A（非伪影）的中位数为0.92，在区域C（针状伪影）为0.75，在区域B（混响）为0.49，正确反映了预期的衰减和伪影退化情况。
• 结构置信度图在区域A和C（非伪影）的中位数为0.96，而在区域B（混响）下降至0.65，成功区分了伪影与真实结构。
• 与[8]相比，我们的方法对梯度变化更具鲁棒性，避免了在均匀区域中出现不自然的低置信度。
• 在图像融合中，我们改进的置信度图（包含针状伪影和混响建模）在图4的第三列中显示，对混响点的抑制效果优于[8]的方法。
• 表1的定量结果验证了设计原则：Cint(A) > Cint(C) > Cint(B) 且 Cstr(A) ≈ Cstr(C) >> Cstr(B)，表明模型行为符合预期。
• 强度置信度图有效抑制了阴影和混响区域的虚假置信度，其在阴影区域B的中位数为0.27，表明伪影抑制效果显著。