利用 Anscombe 变换与 Noisier2noise 模型去除光学相干断层扫描图像散斑
图像与视频处理
2022-09-21 v1
摘要
光学相干断层扫描（OCT）图像去噪是一个基本问题，因为 OCT 图像受到乘性散斑噪声的影响，导致视网膜层可见性差。传统去噪方法考虑噪声的特定统计特性，而这些特性并非总是已知。此外，近期基于深度学习的去噪方法需要成对的含噪与干净图像，这类图像通常难以获取，尤其是医学图像。Noise2Noise 系列架构通常提出无需含噪-干净图像对的学习以克服该问题。然而，为此通常需要单幅图像的多个含噪观测。并且，有时实验通过在干净合成图像上仿真噪声来展示，这并非真实场景。本工作展示了如何利用每幅图像的单次真实世界含噪观测来训练去噪网络。除理论理解外，我们的算法使用公开可用的 OCT 图像数据集进行了实验验证。我们的方法结合 Anscombe 变换将乘性噪声模型转换为加性高斯噪声，以使其适用于 OCT 图像。定量结果表明，该方法在仅需图像单次含噪观测进行去噪时，可优于其他若干方法。本文的代码与实现将在论文被接受后公开提供。
引用
@article{arxiv.2209.09825,
title = {De-speckling of Optical Coherence Tomography Images Using Anscombe Transform and a Noisier2noise Model},
author = {Arka Saha and Sourya Sengupta},
journal= {arXiv preprint arXiv:2209.09825},
year = {2022}
}
备注
Accepted to MICCAI OMIA workshop 2022