利用非配对白内障与高质量图像的多功能白内障眼底图像修复模型
图像与视频处理
2025-05-30 v1 计算机视觉与模式识别
摘要
白内障是最常见的致盲性眼病之一，可通过手术治疗。然而，由于白内障患者可能同时患有其他致盲性眼病，眼科医生必须在手术前对其进行诊断。白内障患者浑浊的晶状体在眼底图像中形成模糊退化，使得观察患者眼底血管具有挑战性，给诊断过程带来困难。为了解决这一问题，本文建立了一种名为Catintell的新型白内障图像修复方法。它包含一个白内障图像合成模型Catintell-Syn和一个修复模型Catintell-Res。Catintell-Syn使用GAN架构与完全无监督的数据，生成具有真实风格和纹理的类白内障配对图像，而非传统的高斯退化算法。同时，Catintell-Res是一个图像修复网络，利用从合成白内障图像中学到的知识来提升真实白内障眼底图像的质量。大量实验表明，Catintell-Res在PSNR上达到39.03，在SSIM上达到0.9476，优于其他白内障图像修复方法。此外，Catintell-Res从非配对白内障图像中获得的通用修复能力，可以处理来自各种数据集的白内障图像。我们希望这些模型能帮助眼科医生识别白内障患者的其他致盲性眼病，并在未来启发更多的医学图像修复方法。
引用
@article{arxiv.2411.12278,
title = {Versatile Cataract Fundus Image Restoration Model Utilizing Unpaired Cataract and High-quality Images},
author = {Zheng Gong and Zhuo Deng and Weihao Gao and Wenda Zhou and Yuhang Yang and Hanqing Zhao and Zhiyuan Niu and Lei Shao and Wenbin Wei and Lan Ma},
journal= {arXiv preprint arXiv:2411.12278},
year = {2025}
}
备注
12 pages, 8 figures