シングルイメージのベイジアン回復とマルチイメージのスーパー解像度修復B-モード超音波のための超安定復元スペックルノイズの相関性を含む正確なシステムモデルを使用して

Bモード超音波は、低コスト、安​​全性、および携帯性のために放射線検査の重要な部分ですが、ほとんどのシステムのスペックルノイズと出力の欠点は2次元（2D）断面です。画像の復元技術は、画像の劣化とノイズに数学的モデルを使用して、解像度（デコンボリューション）を高め、スペックルを減らすために使用できます。この研究では、飛行中のBモード超音波画像に対して、新しい単像ベイジアン修復（BR）およびマルチイメージの超解像度修復（BSRR）メソッドが提案されています。スペックルの空間的に相関した性質をモデル化し、無相関ガウス（BR-ug、BSRR-ug）および相関するガウス（BR-CG、BSRR-CG）のBRとBSRRの2つの異なるモデルを調べることができました。これらのモデルのパフォーマンスは、一般的な画像修復方法（Wienerフィルター、両側フィルタリング、および異方性拡散）と比較されました。よく認識されたメトリック（ピーク信号対雑音比、コントラスト対雑音比、および正規化された情報密度）が、アルゴリズムのフリーパラメーターの推定と客観的評価に使用されました。この方法は、表面組織を使用してテストされました（ボランティアから収集された2Dスキャンデータ、組織模倣解像度、および乳房ファントム）。画質の改善は、視覚的なグレーディング分析を使用して専門家によって評価されました。一般に、BSRR-CGは他のすべての方法よりも優れたパフォーマンスを発揮しました。BSRR-CGの潜在的なマイナス面は、計算時間の増加であり、これは高性能グラフィックスプロセシングユニット（GPU）を使用することで対処できます。

B-mode ultrasound is an essential part of radiological examinations due to its low cost, safety, and portability, but has the drawbacks of the speckle noise and output of most systems is two-dimensional (2D) cross sections. Image restoration techniques, using mathematical models for image degradation and noise, can be used to boost resolution (deconvolution) as well as to reduce the speckle. In this study, new single-image Bayesian restoration (BR) and multi-image super-resolution restoration (BSRR) methods are proposed for in-plane B-mode ultrasound images. The spatially correlated nature of the speckle was modeled, allowing for examination of two different models for BR and BSRR for uncorrelated Gaussian (BR-UG, BSRR-UG) and correlated Gaussian (BR-CG, BSRR-CG). The performances of these models were compared with common image restoration methods (Wiener filter, bilateral filtering, and anisotropic diffusion). Well-recognized metrics (peak signal-to-noise ratio, contrast-to-noise ratio, and normalized information density) were used for algorithm free-parameter estimation and objective evaluations. The methods were tested using superficial tissue (2D scan data collected from volunteers, tissue-mimicking resolutions, and breast phantoms). Improvement in image quality was assessed by experts using visual grading analysis. In general, BSRR-CG performed better than all other methods. A potential downside of BSRR-CG is increased computation time, which can be addressed by the use of high-performance graphics processing units (GPUs).