基于参考的OCT血管图超分辨率与可学习的纹理生成

科学领域:

• 眼科医生 眼科 眼科
• 生物医学成像技术 生物医学成像技术
• 人工智能的人工智能

背景情况:

• 光学连贯断层扫描血管造影 (OCTA) 对于可视化视网膜微血管和识别疾病生物标志物至关重要.
• 在OCTA扫描中增加视野 (FOV) 通常会由于固定的采集时间而减少分辨率.
• 现有的方法在更大的扫描区域中保持分辨率方面存在局限性.

研究的目的:

• 开发一个新的基于参考的超分辨率 (RefSR) 框架,以提高OCTA图像分辨率,同时扩大视野.
• 引入一个可学习的纹理生成器 (LTG),生成超分辨率的纹理,克服传统RefSR模型的局限性.
• 创建一个强大的OCTA超分辨率方法,在推断过程中不依赖参考图像.

主要方法:

• 提出了一个新的基于参考的超分辨率 (RefSR) 框架,使用可学习的纹理生成器 (LTG).
• 训练LTG使用来自正常RefSR管道的纹理来动态生成纹理.
• 开发了LTGNet,它可以内部生成纹理,从而消除了推断过程中对参考图像的需求.

主要成果:

• 与最先进的方法相比,拟议的LTGNet显示出具有竞争力的性能和稳定性.
• 实验和视觉结果证实了框架在增加扫描面积的同时保持分辨率的能力.
• 该方法在选择参考图像时被证明是不可攻击的,提高了可靠性.

结论:

• 新型LTGNet框架为跨越更大的视野的高分辨率OCTA成像提供了一个有希望的解决方案.
• 这种方法提高了在诊断视网膜疾病时的可靠性和现实生活部署的潜力.
• 开发的方法扩大了超分辨率超出单个参考图像的纹理空间.