यह शोधपत्र स्पैकल2सेल्फ (Spekle2Self) का प्रस्ताव करता है, जो मेडिकल अल्ट्रासाउंड छवियों में एक विशिष्ट समस्या, स्पैकल नॉइज़ को हटाने के लिए एक नवीन स्व-पर्यवेक्षित शिक्षण एल्गोरिथम है। मौजूदा Noise2Noise या ब्लाइंड-स्पॉट नेटवर्कों के विपरीत, यह एल्गोरिथम स्पैकल नॉइज़ की ऊतक निर्भरता को ध्यान में रखते हुए, एकल नॉइज़ अवलोकन का उपयोग करके स्पैकल नॉइज़ को हटाता है। इसका मुख्य विचार संरचनात्मक संरचनाओं को संरक्षित करते हुए बहु-स्तरीय गड़बड़ी (MSP) संचालनों के माध्यम से स्पैकल पैटर्न में ऊतक-निर्भर परिवर्तनों को प्रेरित करना है। यह दृष्टिकोण स्वच्छ छवियों को निम्न-श्रेणी संकेतों के रूप में मॉडलिंग करके और स्पैकल नॉइज़ को विरल नॉइज़ घटकों में अलग करके स्पैकल नॉइज़ को प्रभावी ढंग से हटाता है। हम वास्तविक मेडिकल अल्ट्रासाउंड छवियों और सिम्युलेटेड डेटा का उपयोग करके मौजूदा फ़िल्टर-आधारित और अत्याधुनिक शिक्षण-आधारित विधियों के साथ तुलना करके Speckle2Self के प्रदर्शन को मान्य करते हैं। हम कई अल्ट्रासाउंड उपकरणों के डेटा का उपयोग करके मॉडल के सामान्यीकरण और अनुकूलनशीलता का भी मूल्यांकन करते हैं।
