用于光学相干断层扫描图像无监督散斑降噪的噪声驱动解耦表示
图像与视频处理
2020-07-08 v1 医学物理
摘要
由于其非侵入性特点，光学相干断层扫描（OCT）已成为临床环境中一种流行的诊断方法。然而，低相干干涉成像过程不可避免地受到严重散斑噪声的污染，这损害了各种眼部疾病的视觉质量和诊断。尽管深度学习已应用于图像去噪并取得有前景的结果，但缺乏配准良好的干净与噪声图像对使得基于监督学习的方法难以获得令人满意的OCT图像去噪结果。本文提出一种不依赖配准图像对的无监督OCT图像散斑降噪算法。具体而言，通过采用解耦表示和生成对抗网络（GAN）的思想，所提方法首先通过相应编码器将噪声图像解耦为内容空间和噪声空间。然后，生成器利用提取的内容特征预测去噪后的OCT图像。此外，从噪声图像中裁剪的噪声块被用于促进更准确的解耦。我们进行了大量实验，结果表明所提方法优于经典方法，并在定量和定性方面与几种近期提出的基于学习的方法相比具有竞争力。
引用
@article{arxiv.2007.03446,
title = {Noise-Powered Disentangled Representation for Unsupervised Speckle Reduction of Optical Coherence Tomography Images},
author = {Yongqiang Huang and Wenjun Xia and Zexin Lu and Yan Liu and Hu Chen and Jiliu Zhou and Leyuan Fang and Yi Zhang},
journal= {arXiv preprint arXiv:2007.03446},
year = {2020}
}