基于双注意力机制的医学超声图像降噪模型

医学超声图像中会不可避免地产生斑点噪声。为有效去除医学超声图像中的噪声，本研究团队提出了一种基于双注意力机制的医学超声图像降噪模型。首先，针对医学超声图像数量有限的问题，对伯克利分割数据集中的400张图像进行旋转和缩放，获得23700张自然图像，再通过斑点噪声模型对其添加斑点噪声来模拟超声图像；接着，在构建降噪模型过程中，针对传统卷积神经网络在特征提取时存在的一些不足，分别引入位置注意力机制、通道注意力机制和全卷积网络对现有模型进行改进，构建更优的超声图像降噪模型；最后，在模型训练过程中，为防止梯度消失引入了批量归一化操作。实验结果表明：从视觉观察效果和客观评价指标来看，所提模型对11张模拟超声图像和2张真实超声图像（物理体膜超声图像和肝脏超声图像）的去噪效果均优于对比模型。所提模型是一种有效的医学超声图像降噪模型，不仅有效降低了斑点噪声，还较好地保留了图像的细节信息。