基于残差U-Net的光学相干断层扫描图像去噪提升
图像与视频处理
2024-09-26 v2 计算机视觉与模式识别
摘要
光学相干断层扫描（OCT）影像是诊断眼部疾病的关键技术,通过提供前后段的详细横断面影像。然而,固有于OCT的散粒噪声和其他成像伪影显著影响诊断准确性。本研究提出一种使用残差U-Net架构的增强去噪模型,有效降低噪声并提高ASOCT和偏振敏感OCT（PSOCT）图像的图像清晰度。我们的方法在图像质量指标上显示出显著改进:PSOCT图像的峰值信噪比（PSNR）为34.343 1.113,结构相似性指数（SSIM）值为0.885 0.030,表明在保持组织完整性和纹理细节方面具有优势。对于ASOCT图像,我们观察到PSNR为23.525 0.872 dB,SSIM为0.407 0.044,反映出在视觉质量和结构准确性方面的显著提升。这些指标实证了该模型在不仅减少噪声,还在保持关键解剖特征方面的有效性,从而实现更精确、更高效的临床评估。该模型在ASOCT和PSOCT两种模态上的双重功能凸显了其在临床环境中的广泛应用潜力,优化诊断流程,减少长时间成像的必要性。
引用
@article{arxiv.2407.13090,
title = {Enhanced Denoising of Optical Coherence Tomography Images Using Residual U-Net},
author = {Akkidas Noel Prakash and Jahnvi Sai Ganta and Ramaswami Krishnadas and Tin A. Tunc and Satish K Panda},
journal= {arXiv preprint arXiv:2407.13090},
year = {2024}
}