多尺度条件卷积的OCT视网膜图像降噪研究

周旭东; 陈明惠; 马文飞; 赖湘玲; 黄铎文; 刘渡新; 马昕宏

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

您当前的位置：

首页 >

文章列表页 >

多尺度条件卷积的OCT视网膜图像降噪研究

生物医学光学 | 更新时间：2025-09-01

- 多尺度条件卷积的OCT视网膜图像降噪研究
- OCT retinal image denoising based on multi-scale conditional convolution Neural Networks
- 光学技术 2022年48卷第1期页码：102-108
- 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：
  
  上海市科委产学研医项目(15DZ1940400)
- DOI：10.13741/j.cnki.11-1879/o4.2022.01.004
  中图分类号： R770.4;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
周旭东, 陈明惠, 马文飞, 等. 多尺度条件卷积的OCT视网膜图像降噪研究[J]. 光学技术, 2022,48(1):102-108.

OCT retinal image denoising based on multi-scale conditional convolution Neural Networks[J]. 2022, 48(1): 102-108.
周旭东, 陈明惠, 马文飞, 等. 多尺度条件卷积的OCT视网膜图像降噪研究[J]. 光学技术, 2022,48(1):102-108. DOI： 10.13741/j.cnki.11-1879/o4.2022.01.004.

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

浏览量

315

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

结合残差U-Net神经网络和DIP的PET图像降噪

基于多尺度数学形态学的连铸坯缺陷边缘检测方法

轮胎分检控制中的图像处理

基于数学形态学和遗传优化的图像去噪

一种基于零样本学习的图像降噪算法