多尺度条件卷积的OCT视网膜图像降噪研究
OCT retinal image denoising based on multi-scale conditional convolution Neural Networks作者机构:上海理工大学医疗器械与食品学院上海介入医疗器械工程技术研究中心上海200093
出 版 物:《光学技术》 (Optical Technique)
年 卷 期:2022年第48卷第1期
页 面:102-108页
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
摘 要:散斑噪声存在于光学相干层析成像(OCT)中,影响OCT图像质量。在使用OCT设备诊断各种常见眼科疾病时,高质量的OCT图像是极为重要的。利用深度神经网络对OCT图像进行降噪处理,使图像在保留空间结构细节的基础上能展示更多的信息。提出了一种基于残差学习网络的新型OCT图像降噪网络—CMCNN,其具有多尺度、多权重和多层次特征融合等特点,并且在保留图像空间结构细节的基础上降低图像噪声;再将提出的模型与传统降噪算法、深度学习降噪模型进行比较。实验表明,CMCNN在峰值信噪比(PSNR)和结构相似性(SSIM)方面比其他深度学习方法提高了2.5%左右,验证了方法可以有效地保留OCT图像中的细节信息,同时有效地抑制噪声,提高图像质量。