基于深度学习重建高分辨率 6x6-mm OCT 血管造影图像
图像与视频处理
2020-06-11 v2 机器学习
机器学习
摘要
商用设备上的典型光学相干断层扫描血管造影（OCTA）采集区域为 3x3-mm 或 6x6-mm。与具有适当采样密度的 3x3-mm 血管造影图像相比，6x6-mm 血管造影图像因欠采样而扫描质量明显更低，信噪比降低且阴影伪影更严重。在此，我们提出一种基于深度学习的高分辨率血管造影图像重建网络（HARNet），以生成增强的 6x6-mm 浅层血管复合体（SVC）血管造影图像。该网络使用来自同一眼睛的 3x3-mm 与 6x6-mm 血管造影图像数据进行训练。重建的 6x6-mm 血管造影图像相比原始图像具有显著更低的噪声强度与更好的血管连通性。该算法在原始血管造影图像所呈现的噪声水平上未产生虚假血流信号。我们的算法所产生的图像增强可改善 6x6-mm OCTA 的生物标志物测量与定性临床评估。
引用
@article{arxiv.2004.08957,
title = {Reconstruction of high-resolution 6x6-mm OCT angiograms using deep learning},
author = {Min Gao and Yukun Guo and Tristan T. Hormel and Jiande Sun and Thomas Hwang and Yali Jia},
journal= {arXiv preprint arXiv:2004.08957},
year = {2020}
}