自主监督的blind2unblind深度学习计划用于海外国家和地区的斑点减少
Xiaojun Yu1,2, Chenkun Ge1, Mingshuai Li1
1School of Automation, Northwestern Polytechnical University, Xi'an, Shaanxi, 710072, China.
Biomedical optics express
|June 21, 2023
概括
光学连贯断层扫描 (OCT) 斑点噪声阻碍了诊断. 一种新的自主监督深度学习方法B2Unet有效地使用单个噪音输入来减少OCT图像中的斑点,提高诊断准确性.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 医学图像分析 医学图像分析
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 光学连贯断层扫描 (OCT) 对于非侵入性成像至关重要.
- 海外国土和地区的斑点噪声会降低图像质量和诊断准确度.
- 现有的斑点减少方法存在诸如高计算成本或依赖清洁图像先验等局限性.
研究的目的:
- 提出一个新的自我监督的深度学习计划,用于减少OCT的斑点.
- 开发一种有效减少斑点的方法,只使用单一噪音的OCT图像.
- 通过提高图像质量来提高OCT的临床适用性.
主要方法:
- 推出了Blind2Unblind网络与改进策略 (B2Unet).
- 设计了一个具有全球意识的面具映射器和重新可见的损失功能,以解决网络盲点.
- 使用自主监督学习方法,只需要噪音较大的OCT图像.
主要成果:
- B2Unet有效地抑制斑点,同时保持关键的组织微观结构.
- 与基于最先进的模型和完全监督的深度学习方法相比,实现了更高的性能.
- 在不同OCT图像数据集和临床场景中表现出稳健性.
结论:
- B2Unet为OCT减少斑点提供了一种有效和强大的解决方案.
- 拟议的自主监督深度学习计划可以提高海外国家和地区的图像质量,而无需先前清洁图像.
- 这种方法有可能显著改善基于OCT的疾病诊断和临床应用.
