OCT retinal image denoising based on multi-scale conditional convolution Neural Networks

doi:10.13741/j.cnki.11-1879/o4.2022.01.004

您当前的位置：

首页 >

文章列表页 >

OCT retinal image denoising based on multi-scale conditional convolution Neural Networks

更新时间：2025-09-01

- OCT retinal image denoising based on multi-scale conditional convolution Neural Networks
- Vol. 48, Issue 1, Pages: 102-108(2022)
- 作者机构：
  
  1:上海理工大学医疗器械与食品学院上海介入医疗器械工程技术研究中心
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2022.01.004
  CLC： R770.4;TP391.41
- Published：2022
- 稿件说明：
移动端阅览
OCT retinal image denoising based on multi-scale conditional convolution Neural Networks[J]. 2022, 48(1): 102-108.
DOI：

OCT retinal image denoising based on multi-scale conditional convolution Neural Networks[J]. 2022, 48(1): 102-108. DOI： 10.13741/j.cnki.11-1879/o4.2022.01.004.

摘要

散斑噪声存在于光学相干层析成像(OCT)中

影响OCT图像质量。在使用OCT设备诊断各种常见眼科疾病时

高质量的OCT图像是极为重要的。利用深度神经网络对OCT图像进行降噪处理

使图像在保留空间结构细节的基础上能展示更多的信息。提出了一种基于残差学习网络的新型OCT图像降噪网络—CMCNN

其具有多尺度、多权重和多层次特征融合等特点

并且在保留图像空间结构细节的基础上降低图像噪声;再将提出的模型与传统降噪算法、深度学习降噪模型进行比较。实验表明

CMCNN在峰值信噪比(PSNR)和结构相似性(SSIM)方面比其他深度学习方法提高了2.5%左右

验证了方法可以有效地保留OCT图像中的细节信息

同时有效地抑制噪声

提高图像质量。

Abstract

散斑噪声存在于光学相干层析成像（OCT）中

影响OCT图像质量。在使用OCT设备诊断各种常见眼科疾病时

高质量的OCT图像是极为重要的。利用深度神经网络对OCT图像进行降噪处理

使图像在保留空间结构细节的基础上能展示更多的信息。提出了一种基于残差学习网络的新型OCT图像降噪网络—CMCNN

其具有多尺度、多权重和多层次特征融合等特点

并且在保留图像空间结构细节的基础上降低图像噪声;再将提出的模型与传统降噪算法、深度学习降噪模型进行比较。实验表明

CMCNN在峰值信噪比（PSNR）和结构相似性（SSIM）方面比其他深度学习方法提高了2.5%左右

验证了方法可以有效地保留OCT图像中的细节信息

同时有效地抑制噪声

提高图像质量。

关键词

Keywords

references

Views

315

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

PET image denoising based on residual U-Net neural network and DIP

Research on surface defects of continuous casting billets based on mathematical morphology

Image process on the tire automatic classify

Noise removal from image data based on mathematical morphology and genetic optimization

Zero-shot learning-based medical image denoising algorithm

Related Author

杨瑞梅

黄兴

王志春

李忠虎

闫俊红

萧泽新

高天林

陈乐庚

Related Institution

1:重庆邮电大学移通学院大数据与软件学院

2:重庆师范大学涉外商贸学院大数据与智能工程学院

1:内蒙古科技大学信息工程学院

1:桂林电子科技大学

1:哈尔滨工业大学自动测试与控制系

⁰