情境感知 Checkerboard 去噪——基于神经网络的分类感知 OCT 图像去噪方法
图像与视频处理
2024-12-02 v1 计算机视觉与模式识别
机器学习
摘要
与非医疗图像去噪不同，医疗图像去噪需在不引入新伪影的前提下保留关键特征。许多提升图像清晰度的去噪方法会无意中改变去噪后图像的关键信息，从而可能损害分类性能和诊断质量。此外，监督式去噪方法在医疗图像领域不够实用，因为获取带噪医疗图像的“真实”去噪版本极其困难。本文通过引入一种新型神经网络方法——情境感知 Checkerboard 去噪（Contextual Checkerboard Denoising），从仅噪声图像数据集中学习去噪，同时保留用于图像分类/分析所必需的解剖细节。我们在真实的光学相干断层扫描（OCT）图像上进行实验，实证表明所提方法显著提升图像质量，生成更清晰、更详实的 OCT 图像，同时增强诊断准确性。
引用
@article{arxiv.2411.19549,
title = {Contextual Checkerboard Denoise -- A Novel Neural Network-Based Approach for Classification-Aware OCT Image Denoising},
author = {Md. Touhidul Islam and Md. Abtahi M. Chowdhury and Sumaiya Salekin and Aye T. Maung and Akil A. Taki and Hafiz Imtiaz},
journal= {arXiv preprint arXiv:2411.19549},
year = {2024}
}
备注
Under review in Springer Journal of Medical Systems. Code available: https://github.com/AbtahiMajeed/CheckerBoardDenoiser/tree/main