Cet article propose Speckle2Self, un nouvel algorithme d'apprentissage auto-supervisé pour la suppression du bruit de speckle, un problème particulier des images échographiques médicales. Contrairement aux réseaux Noise2Noise ou d'angle mort existants, cet algorithme supprime le bruit de speckle à partir d'une seule observation, en tenant compte de la dépendance tissulaire du bruit de speckle. L'idée principale est d'induire des modifications tissulaires des motifs de speckle par des opérations de perturbation multi-échelle (MSP) tout en préservant les structures anatomiques. Cette approche supprime efficacement le bruit de speckle en modélisant les images propres comme des signaux de faible rang et en séparant le bruit de speckle en composantes de bruit éparses. Nous validons les performances de Speckle2Self en le comparant aux méthodes existantes basées sur des filtres et aux méthodes d'apprentissage de pointe, en utilisant des images échographiques médicales réelles et des données simulées. Nous évaluons également la généralisation et l'adaptabilité du modèle à l'aide de données provenant de plusieurs appareils à ultrasons.
