基于稀疏的域自适应网络用于OCTA图像超分辨率重建
图像与视频处理
2022-07-26 v1 计算机视觉与模式识别
摘要
高分辨率视网膜光学相干断层扫描血管成像(OCTA)对于视网膜血管系统的量化与分析十分重要。然而,在相同采样频率下,OCTA图像的分辨率与视场成反比,不利于临床医生分析更大的血管区域。本文提出一种新颖的基于稀疏的域自适应超分辨率网络(SASR),用于将真实的6x6 mm2/低分辨率(LR)OCTA图像重建为高分辨率(HR)表示。具体而言,我们首先对3x3 mm2/高分辨率(HR)图像进行简单退化以获得合成LR图像。然后采用一种高效的配准方法,将合成LR与其在6x6 mm2图像中对应的3x3 mm2图像区域配准,得到裁剪后的真实LR图像。接着,我们提出一个多级超分辨率模型对合成数据进行全监督重建,并通过生成对抗策略引导真实LR图像的重建,使合成与真实LR图像在特征域中统一。最后,设计了一种新颖的稀疏边缘感知损失来动态优化血管边缘结构。在两个OCTA数据集上的大量实验表明,我们的方法优于最先进的超分辨率重建方法。此外,我们探究了重建结果在视网膜结构分割上的性能,进一步验证了方法的有效性。
引用
@article{arxiv.2207.11882,
title = {Sparse-based Domain Adaptation Network for OCTA Image Super-Resolution Reconstruction},
author = {Huaying Hao and Cong Xu and Dan Zhang and Qifeng Yan and Jiong Zhang and Yue Liu and Yitian Zhao},
journal= {arXiv preprint arXiv:2207.11882},
year = {2022}
}
备注
Accepted by IEEE Journal of Biomedical and Health Informatics