Este artículo propone Speckle2Self, un novedoso algoritmo de aprendizaje autosupervisado para la eliminación del ruido de moteado, un problema particular en las imágenes de ultrasonido médico. A diferencia de las redes Noise2Noise o de punto ciego existentes, este algoritmo elimina el ruido de moteado utilizando una sola observación de ruido, considerando su dependencia tisular. La idea central es inducir cambios dependientes del tejido en los patrones de moteado mediante operaciones de perturbación multiescala (MSP), preservando al mismo tiempo las estructuras anatómicas. Este enfoque elimina eficazmente el ruido de moteado modelando imágenes limpias como señales de bajo rango y separando el ruido de moteado en componentes de ruido disperso. Validamos el rendimiento de Speckle2Self comparándolo con métodos existentes basados en filtros y métodos de aprendizaje de vanguardia, utilizando imágenes de ultrasonido médico reales y datos simulados. También evaluamos la generalización y adaptabilidad del modelo utilizando datos de múltiples dispositivos de ultrasonido.
