交叉注意力学习实现 OCT 中实时非均匀旋转畸变校正
图像与视频处理
2024-01-08 v2 计算机视觉与模式识别
医学物理
摘要
非均匀旋转畸变（NURD）校正对内窥光学相干断层成像（OCT）及其功能扩展（如血管成像与弹性成像）至关重要。当前 NURD 校正方法需耗时的特征跟踪或互相关计算，因而牺牲时间分辨率。本文提出一种用于 OCT 中 NURD 校正的交叉注意力学习方法。我们的方法受自注意力机制在自然语言处理与计算机视觉中近期成功的启发。利用其建模长程依赖的能力，我们可直接获取任意距离 OCT A-line 间的相关性，从而加速 NURD 校正。我们开发了端到端堆叠交叉注意力网络并设计三类优化约束。在两个公开内窥 OCT 数据集及我们自建内窥 OCT 系统采集的私有数据集上，将我们的方法与两种传统基于特征的方法及一种基于 CNN 的方法比较。我们的方法实现了约 3 倍实时加速（26 ± 3 fps）及更优校正性能。
引用
@article{arxiv.2306.04512,
title = {Cross-attention learning enables real-time nonuniform rotational distortion correction in OCT},
author = {Haoran Zhang and Jianlong Yang and Jingqian Zhang and Shiqing Zhao and Aili Zhang},
journal= {arXiv preprint arXiv:2306.04512},
year = {2024}
}