用于光声显微镜的降噪卷积神经网络
图像与视频处理
2020-09-30 v1 生物物理
摘要
光声成像是近年来兴起的一种新型成像技术，它结合了光学成像高分辨率、高对比度的优势与声学成像高穿透深度的优势。光声成像已广泛应用于脑成像、肿瘤检测等生物医学领域。由于激光脉冲能量限制、外界环境电磁干扰及系统噪声，光声成像中图像信号的信噪比(SNR)普遍较低。为解决光声图像SNR低的问题，我们采用前馈降噪卷积神经网络对所得图像作进一步处理，从而获得更高SNR的图像并改善图像质量。我们使用Python语言通过Anaconda管理所引用的Python外部库，并在Pycharm平台上搭建前馈降噪卷积神经网络。我们首先处理并分割了包含400幅图像的训练集，随后将其用于网络训练。最后，我们使用一系列脑血管光声显微镜图像进行了测试。结果显示降噪前后图像的峰值信噪比(PSNR)显著提升。实验结果验证了前馈降噪卷积神经网络能有效改善光声显微图像质量，为后续生物医学研究提供了良好基础。
引用
@article{arxiv.2009.13913,
title = {Denoising convolutional neural networks for photoacoustic microscopy},
author = {Xianlin Song and Kanggao Tang and Jianshuang Wei and Lingfang Song},
journal= {arXiv preprint arXiv:2009.13913},
year = {2020}
}