基于生成对抗建模的微型光学相干层析分辨率增强与真实散斑恢复
图像与视频处理
2021-01-19 v2 医学物理
光学
摘要
开发并研究了一种基于生成对抗网络(GANs)的光学相干层析(OCT)分辨率增强技术。GANs此前已用于摄影与光学显微图像的分辨率增强。我们针对OCT图像生成对该技术进行了适配与改进。以一组称为微型OCT的新型超高分辨率谱域OCT体数据作为高分辨率真值(约1m各向同性分辨率)训练条件GANs(cGANs)。真值分别与在轴向(一维)或轴向与横向(二维)上人为将分辨率降低4倍所得的低分辨率图像配对。分别利用人体唇部组织与小老鼠皮肤的在体成像所得的横截面图像(B-scan)体数据进行了独立的可行性实验。通过与真值对比的分辨率增强精度,由OCT专家执行的人眼感知准确度测试进行量化。研究发现,优化目标中的GAN损失、在生成器与判别器模型中注入噪声以及多尺度判别,对于在生成的OCT图像中实现真实散斑外观至关重要。以唇部组织血管微型OCT成像为例说明了高分辨率散斑恢复的效用。还将模型应用于训练数据分布之外的图像数据(即人视网膜与小老鼠膀胱)的定性示例,表明其具有跨域迁移的潜力。该初步研究表明,基于高性能原型系统OCT图像训练的深层次学习生成模型,有望增强来自主流/商用系统的较低分辨率数据,从而以低成本将前沿技术带给大众。
引用
@article{arxiv.2003.06035,
title = {Resolution enhancement and realistic speckle recovery with generative adversarial modeling of micro-optical coherence tomography},
author = {Kaicheng Liang and Xinyu Liu and Si Chen and Jun Xie and Wei Qing Lee and Linbo Liu and Hwee Kuan Lee},
journal= {arXiv preprint arXiv:2003.06035},
year = {2021}
}