Speckle Noise Reduction Techniques in Ultrasound Imaging: A comprehensive review of the last two decades (2005–2024)
Notice bibliographique
Résumé
Ultrasound imaging has become a widely used medical modality over the past few decades. Despite technological advances, ultrasound images are susceptible to inherent noise that arises from tissue inhomogeneities and other acquisition-related uncertainties. The presence of noise degrades image quality and impacts diagnostic accuracy, necessitating the development of effective denoising techniques. In ultrasound denoising, the preservation of important structural information while reducing noise poses a significant challenge. Therefore, various techniques have been presented to enhance the quality of ultrasound images, each method having its own assumptions, strengths, and limitations. In this study, a comprehensive survey of significant work on ultrasound image denoising was presented. Understanding the nature of noise in ultrasound images and selecting an appropriate denoising method tailored to specific needs can be challenging for researchers. To address these challenges, basics of ultrasound imaging, including the characteristics of noise in ultrasound images, is clearly explained in this paper. This study involved a comprehensive search across six digital databases, considering studies published over the last two decades, up to 2024. Initially, 538 studies were identified. From these, 85 studies were selected for detailed examination. For these 85 studies, we used snowballing and direct searches to locate additional relevant publications by the researchers and their associated research groups. Ultimately, we reviewed a total of 97 studies focusing on speckle noise reduction in ultrasound imaging. In addition, the merits and drawbacks of existing methods are analyzed and tabulated.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».