通过多输入全卷积网络的三维光学相干断层成像图像去噪
计算机视觉与模式识别
2019-01-29 v2
摘要
近年来，将卷积神经网络（CNNs）应用于去噪和超分辨率等底层视觉任务的兴趣日益增长。由于图像形成过程的相干性，光学相干断层成像（OCT）图像不可避免地受到噪声影响。本文提出一种称为多输入全卷积网络（MIFCN）的新方法用于OCT图像去噪。与近期提出的自然图像去噪CNNs不同，所提架构允许通过多个FCNs的逐像素融合来利用相邻OCT图像间高度的相关性与互补信息。所提多输入架构的参数通过学习总体输出与每个输入图像贡献之间的一致性得到。所提MIFCN方法与采用在正常和年龄相关性黄斑变性眼睛OCT图像上的最先进去噪方法进行了定量与定性比较。
引用
@article{arxiv.1811.09022,
title = {Three-dimensional Optical Coherence Tomography Image Denoising through Multi-input Fully-Convolutional Networks},
author = {Ashkan Abbasi and Amirhassan Monadjemi and Leyuan Fang and Hossein Rabbani and Yi Zhang},
journal= {arXiv preprint arXiv:1811.09022},
year = {2019}
}
备注
This is the last version of our paper published in Computers in Biology and Medicine, Elsevier