融合扩散模型的超声成像算法研究

来源：电子与信息学报杂志2026年第4期北京时间：

作者：袁野, 黄民尚, 杨伟锋

单位：汕头大学广东省人工智能与现代超声工程技术研究中心 汕头 515044

摘要：针对超声成像分辨率低及易受伪影干扰问题，该文提出基于扩散模型(DM)的U-DM超声成像质量优化方法。通过构建差值训练机制与解剖结构引导策略，结合改进型U-Net网络架构实现多尺度特征融合，建立从含噪超声数据到高质量图像的映射关系，进而生成高质量超声图像。基于PICMUS数据集的实验结果表明，该文所提U-DM方法在噪声抑制与结构保持方面显著优于UNet和UNet-GAN等方法，能有效消除人工伪影并恢复解剖细节，其图像重建质量达到临床诊断要求。相较于生成对抗网络(GAN)，该文所提融合扩散模型的超声成像方法展现出更稳定的训练特性和更优的泛化能力，克服了模式坍塌等固有问题，为突破超声成像质量瓶颈提供了新途径。

关键词：超声图像, 扩散模型, U型网络, 差值训练机制

基金资助：国家自然科学基金 (82071992)