基于深度学习的低比特深度光学相干层析高信噪比重建
图像与视频处理
2021-02-03 v2 光学
摘要
降低比特深度是降低光学相干层析（OCT）系统成本并提高数据采集与远程医疗传输效率的有效途径。然而，低比特深度会导致检测灵敏度退化，从而降低OCT图像的信噪比（SNR）。本文提出使用深度学习从低比特深度采集数据中重建高SNR的OCT图像。通过将所提方法应用于来自原生12位干涉条纹的量化位数据，初步评估了其可行性。我们采用像素到像素生成对抗网络架构实现低到高比特深度OCT图像转换。研究使用了来自自制光谱域OCT系统的健康受试者视网膜OCT数据。大量定性与定量结果表明，这种基于深度学习的方法能显著提升低比特深度OCT图像的SNR，尤其在脉络膜区域。当比特深度时，重建图像与原始12位OCT图像之间可得到极高的相似度与SNR。本工作表明OCT与深度学习的恰当结合可惠及资源匮乏地区的医疗发展。
引用
@article{arxiv.1910.05498,
title = {High signal-to-noise ratio reconstruction of low bit-depth optical coherence tomography using deep learning},
author = {Qiangjiang Hao and Kang Zhou and Jianlong Yang and Liyang Fang and Zhengjie Chai and Yuhui Ma and Yan Hu and Shenghua Gao and Jiang Liu},
journal= {arXiv preprint arXiv:1910.05498},
year = {2021}
}
备注
submitted