多尺度条件卷积的OCT视网膜图像降噪研究

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...     

一种眼底黄斑水肿OCT图像分割方法

黄斑水肿(ME)被认为是增殖性糖尿病视网膜病变的主要适应症之一,由于视网膜下层中蛋白质沉积物的积累,ME引起视网膜肿胀。光学相干断层成像(OCT)通过显示黄斑病变的横截面视图提供了ME的早期检测。文章提出了一种新的算法,即改进遗传算法和最佳熵法相结合的方法,可以在前期工作的基础上提高时间效率,从5s提高至0.7s。算法首先对图像预处理,排除血管和散斑噪声对分割效果的影响,再将信息熵作为遗传算法(GA)的适应度函数,将最大熵作为遗传算法的收敛准则。经过遗传操作,得到最佳阈值,对黄斑水肿OCT图像进行分割,然后对得到的二值图像进行边界平滑处理,得到最终的分割图像。所述方法对300张黄斑水肿OCT图像进行了分割,与Canny算子、OTSU分割算法和临床医生手动分割结果相比较。结果表明,算法能够快速准确提取黄斑水肿区域,为临床诊断和治疗提供了定量分析的工具。     

小波变换对OCT图像的降噪处理

通过分析光学相干层析成像系统中的噪音源以及不同噪音对成像质量的影响,利用小波变换的方法,结合软阈值滤波对图像去噪,消除噪音对图像的干扰,处理后图像变得清晰了,图像质量得以改善,表明该方法能达到减小图像噪音的目的.     

复谱频域OCT成像的研究

采用频域技术的OCT系统，深度扫描信息由背向散射光谱的傅立叶反变换获得，简化了轴向扫描过程，从而使快速OCT成像成为可能．为了实现复杂生物组织的OCT快速成像，消除谱频域OCT的“混叠”现象、重建样品的真实层析结构，本文引入了相移干涉技术，构建了一套满量程复谱频域OCT实验系统，并为系统设计了特殊的分束镜和移相器，为最终实现复杂生物组织的OCT快速成像提供了条件．     

导管PS-OCT系统中双态数值色散补偿方法

导管光纤偏振敏感光学相干层析成像(PS-OCT)系统在心血管斑块定量分析上具有显著优势,搭建了基于保偏光纤成像深度复用的双偏振态导管PS-OCT系统.由于保偏光纤具有较强的双折射色散,因此难以利用一套色散系数实现双输入态色散补偿.针对这一难点问题,提出了一种用于导管PS-OCT系统的双态数值色散补偿方法.这种方法可对不...     

采用自注意力机制的OCT图像AMD亚型分类研究

目前基于卷积神经网络(CNN)的视网膜光学相干层析成像(OCT)图像分类方法存在对于小范围病变区域识别不清的问题,导致在判断年龄相关性黄斑变性(AMD)疾病干湿性、脉络膜新生血管形成(CNV)的活动性时准确率不高,而正确判断病变类型对于眼科医生制定治疗方案至关重要。为此本文提出了一种基于自注意力机制的CNN模型MobileX-ViT,将传统卷积层和自注意力模块结合,同时提取浅层网络的特征信息并获取图像的全局信息,以提高模型分类准确率。实验证明,相比于经典CNN分类模型Inception-V3、ResNet-50、VGG-16和MobileNeXt,文章提出模型在分类准确率上分别提高了5.6%、5.3%、4.5%和2.8%,证明了模型的有效性,为解决目前视网膜OCT图像分类中对于小范围病变区域识别不清的问题提供了新的方法。     

光学相干层析成像眼底视网膜三维图像去抖动方法

眼底视网膜病变是大部分眼科疾病的来源。光学相干层析成像(OCT)具有无创性、成像安全快速等特点,在临床上被广泛用于眼科疾病的诊断。针对OCT视网膜三维图像因抖动产生的扭曲变形问题,提出一种基于曲线拟合的OCT视网膜三维重建图像去抖动方法,即通过预处理提取OCT视网膜图像的边界,再利用最小二乘法曲线拟合来计算各帧切片图像的偏移量。结果表明:所提方法对OCT视网膜三维重建图像扭曲变形具有明显的校正作用。     

基于深度学习的视网膜OCT图像无监督去噪方法

以散斑噪声为主的噪声干扰严重影响视网膜光学相干层析（OCT）图像质量。深度学习是一种有效的去噪方法。但对活体成像而言,其很难获取多帧配准的真值图像,这影响了监督学习方法的效果。提出一种无监督深度残差稀疏注意力网络用于视网膜OCT图像去噪,并分别从视觉评价和数值评价两方面与传统的三维块匹配滤波去噪算法和经典的深度学习去噪网络进行对比。研究了监督学习与无监督学习策略下3种卷积神经网络的去噪性能,并利用公开的视网膜OCT图像数据集进行泛化能力测试。实验结果表明：所提算法的视觉评价和数值评价均具有良好的降噪效果,可以实现视网膜OCT图像高质量降噪,具有较强的泛化性,而且与监督学习相比,无监督学习在数据集不充分时仍能获得较好的降噪性能,可以有效地辅助医生进行准确高效的临床诊断。     

基于模块化降噪自编码器的视网膜OCT图像降噪方法

针对光学相干层析成像（OCT）过程中，光线散射、目标微动和硬件抖动等原因引起的噪声干扰，尤其是视网膜OCT图像中存在的严重噪声干扰问题，提出了一种基于模块化降噪自编码器的渐进式OCT图像降噪方法。使用多层卷积和反卷积构建自编码器，以模块化深度神经网络的架构为基础搭建了具有多个自编码器模块的神经网络，每个自编码器模块可依次输出降噪程度逐渐升高的过程结果，以满足不同的使用需求。以均方误差、峰值信噪比和结构相似度作为降噪结果的评价指标，对编码器模块数量T的研究结果表明，所设计的编码器在T=4时具有最佳性能。利用所提方法和各种主流方法对正常眼和病眼的视网膜OCT图像进行降噪处理，结果表明所提方法在各项指标上均取得最优结果，可以有效地对视网膜OCT图像进行降噪处理和大幅提升图像的质量。     

深浅交错式特征融合的人体图像分割方法北大核心CSCD

人体图像分割作为人体行为理解和分析的基础,但要实现精准分割及实时分割是一个巨大的难题,因此提出一种深浅交错式特征融合的全卷积神经网络的方法,应用于人体图像分割。使用全卷积神经网络的卷积层提取丰富的图像特征,对不同深度的特征图由深到浅交错式地拼接并融合。最终将融合特征图送入卷积层输出预测图像,并经过全局阈值分割得到分割结果。在百度人体图像分割数据库上进行实验,其平均覆盖率可以达到89.95%,最佳分割重叠率高达99.31%;分割一幅500×500彩色图像的平均耗时为56ms,实现较好的分割性能。     

基于全卷积神经网络的多尺度视网膜血管分割

提出了一种基于多尺度特征融合的全卷积神经网络的视网膜血管分割方法,无需手工设计特征和后处理过程。利用跳跃连接构建编码器-解码器结构全卷积神经网络,将高层语义信息和低层特征信息进行融合;利用残差块进一步学习细节和纹理特征;利用不同空洞率的空洞卷积构建多尺度空间金字塔池化结构,进一步扩大感受野,充分结合图像上下文信息;采用类别平衡损失函数解决正负样本不均衡问题。实验结果表明,在DRIVE(Digital Retinal Images for Vessel Extraction)和STARE (Structured Analysis of the Retina)数据集上的准确率分别为95.46%和96.84%,敏感性分别为80.53%和82.99%,特异性分别为97.67%和97.94%,受试者工作特征(ROC)曲线下的面积分别为97.71%和98.17%。所提方法相较于其他方法性能更优。     

基于多尺度小波变换融合的视网膜血管分割

针对眼底视网膜血管细小、轮廓模糊导致血管分割精度低的问题,提出一种多尺度框架下采用小波变换融合血管轮廓特征和细节特征的视网膜血管分割方法。通过预处理增强血管与背景的对比度,在多尺度框架下提取血管轮廓特征和细节特征,并进行图像后处理;采用小波变换融合两幅特征图像,通过计算各尺度对应像素的最大值,得到血管检测图像,最后采用Otsu法进行分割。通过在DRIVE数据集上进行测试实验,得到平均准确率、灵敏度和特异度分别为0.9582,0.7086,0.9806。所提方法能够在准确分割血管轮廓的同时保留较多细小血管分支,准确率较高。     

基于拉锥结构的全光纤型内窥OCT探针研究

本文报道了一种基于拉锥结构的全光纤型内窥光学相干层析成像探针. 基于大纤芯多模光纤的低光束发散特性, 使用大纤芯多模光纤代替透镜作为成像元件, 并在单模光纤与大纤芯多模光纤之间引入过渡拉锥段以减少插入损耗. 首先利用光学仿真软件(Rsoft)确定探针的最佳结构, 然后通过拉锥、切割以及熔接工艺实现探针制作, 并对探针的出射光束特性与插入损耗进行测量, 最后将该探针与扫频光学相干层析成像主系统联机, 对人体指尖皮肤及鸡气管壁组织进行成像. 该探针直径为250 μm, 不锈钢保护管外径为325 μm, 硬端长度1 cm, 插入损耗约为0.3 dB, 空气中有效成像范围达800 μm. 该探针为内窥光学相干层析成像技术在心血管疾病的应用提供了高紧凑度、高传输效率与高灵活性的选择.     

迁移学习在OCT视网膜图像自动分类上的应用

利用光学相干断层技术(OCT)产生的视网膜疾病图像是分类眼科疾病的重要措施。目的是利用四种不同分类模型的迁移学习方法对糖尿病黄斑水肿、老年性黄斑变性、玻璃疣三种病变的OCT视网膜图像进行自动分类,实现迁移学习在OCT图像分类上的应用。将VGG-16、Inception V3、MobileNet V2、ShuffleNet-V2这四种神经网络模型在大规模图像分类数据集预训练好后,进行模型微调和训练参数更新,进而找到实现上述三种眼科疾病自动分类的最优模型,达到高效的OCT视网膜病变自动分类效果。实验结果表明,四种模型中轻量型MobileNet V2经模型微调后的评价指标优于其他模型。     

基于分数阶积分算法的OCT图像去噪研究

散斑存在于光学相干层析成像(OCT)信号中,不可避免地影响OCT图像质量。通过对OCT系统中的噪声源进行分析,提出了一种傅里叶域OCT图像散斑噪声降噪的分数阶积分算法。为了克服单纯主观视觉判别图像质量的局限性,均方误差、峰值信号噪声比和边缘保护系数被选为图像去噪评估标准。通过实验与中值滤波和维纳滤波方法进行比较,结果表明,该算法可以有效地保留OCT图像中的重要边缘细节信息,同时有效消除噪声,使图像细节清晰,提高图像质量。     

基于颜色迁移和聚类分割的偏振图像融合方法

为克服当前偏振图像融合方法存在的不足,提出了一种基于颜色迁移和聚类分割的偏振图像近自然彩色融合方法.该方法首先将偏振参量图像映射到HSI颜色空间,再得到初步的融合图像后将它变换到YIQ颜色空间,并采用颜色迁移技术对其进行颜色修正.通过将修正后的图像变换到HSI颜色空间,并利用对线偏振度图像进行模糊C-均值聚类分割的结果...     

基于小波分解金字塔的OCT图像特征提取算法

糖尿病性黄斑水肿(DME)是导致失明的主要原因之一,由专业的医生通过检查光学相干扫描(OCT)图像是主要的诊断方法,但这一过程不仅耗时而且容易误判,提出一种辅助诊断模型来区分DME和正常黄斑。对原始OCT图像进行降噪、展平、裁剪预处理,得到易于分类的病灶区图像,在小波分解金字塔模型的基础上用局部二值模式方法对原图和低频子图像提取纹理特征;与提取细节图像的灰度-梯度共生矩阵特征融合形成最终的全局特征,并对其进行降维;用weka平台的序列最小优化模型进行分类。在杜克大学数据集和临床数据集上的试验结果表明,算法在两个数据集上验证的准确率分别为95.7%、95.3%,灵敏性分别为95.3%、95.5%,特异度分别为96.0%、95.1%。因此,所提方法能有效对OCT图像分类,为临床上视网膜疾病辅助诊断提供技术支撑。     

基于改进U-net的金属工件表面缺陷图像分割方法

针对金属工件表面小尺寸缺陷及受非均匀光照影响的图像缺陷难以分割的问题,提出了一种改进的U-net语义分割网络,实现金属工件表面缺陷图像的精确分割。首先,在U-net网络中融入CBAM(convolutional block attention module)模块来提升图像中缺陷目标的显著度;其次,采用深度超参数化卷积DO-Conv(depthwise over-parameterized convolutional)代替网络中部分传统卷积,增加网络可学习的参数数量;然后,采用Leaky Relu函数代替网络中部分Relu函数,提高模型对负区间的特征提取能力;最后,采用中值滤波及非均匀光照的补偿方法进行图像预处理,减弱非均匀光照对金属工件图像表面缺陷的影响。结果表明:改进后的网络平均交并比、准确率和Dice系数指标分别达到0.833 5、0.933 2、0.867 4,改进的网络显著提升了对金属工件表面缺陷图像的分割效果。