用于欠采样 OCT 图像重建的混合注意力结构保持网络
图像与视频处理
2024-06-04 v1 计算机视觉与模式识别
摘要
光学相干断层扫描（OCT）是一种非侵入性、高分辨率的成像技术，可提供组织的横截面图像。为了获得高数字分辨率图像，需要沿快轴密集采集 A 扫描。然而，密集采集会增加采集时间，导致患者不适。此外，较长的采集时间可能导致运动伪影，从而降低成像质量。在这项工作中，我们提出了一种混合注意力结构保持网络（HASPN），以实现欠采样 OCT 图像的超分辨率，从而加快采集速度。它利用基于自适应扩张卷积的通道注意力（ADCCA）和增强空间注意力（ESA）来更好地捕捉特征的通道和空间信息。此外，卷积神经网络（CNN）对低频信息的敏感度高于高频信息，这可能导致重建精细结构的性能有限。为了解决这个问题，我们引入了一个额外的分支，即纹理与细节分支，利用高频分解图像来更好地超分辨视网膜结构。通过与主流方法的定性和定量比较，证明了我们方法的优越性。HASPN 被应用于糖尿病性黄斑水肿视网膜数据集，验证了其良好的泛化能力。
引用
@article{arxiv.2406.00279,
title = {Hybrid attention structure preserving network for reconstruction of under-sampled OCT images},
author = {Zezhao Guo and Zhanfang Zhao},
journal= {arXiv preprint arXiv:2406.00279},
year = {2024}
}