基于特征与像素配准的新型OCT拼接流程
图像与视频处理
2024-07-29 v2 计算机视觉与模式识别
机器学习
摘要
高分辨率光学相干断层扫描（OCT）图像对眼科研究至关重要，但其视场（FoV）相对较窄。图像拼接是一种将多幅重叠图像对齐以获得更大视场的技术。当前的拼接流程常常难以应对输入子视野之间的显著噪声和较大位移。本文提出了一种用于拼接多视角OCT/OCTA en face投影图像的通用流程。我们的方法结合了基于学习的特征匹配与鲁棒基于像素的配准的优势，以有效对齐多幅图像。此外，我们推进了训练好的基础模型Segment Anything Model（SAM）的应用，以无监督方式验证拼接结果。我们使用一个内部数据集和一个大型公共数据集验证了流程的有效性，其中我们的方法在准确性和计算效率方面均表现出优越性能。我们还将图像拼接的评估工具及相应流程公开于\url{https://github.com/MedICL-VU/OCT-mosaicking}。
引用
@article{arxiv.2311.13052,
title = {Novel OCT mosaicking pipeline with Feature- and Pixel-based registration},
author = {Jiacheng Wang and Hao Li and Dewei Hu and Yuankai K. Tao and Ipek Oguz},
journal= {arXiv preprint arXiv:2311.13052},
year = {2024}
}
备注
ISBI 2024 Oral