通过短序和自动分类来提高dOCT图像质量
Noah Heldt1,2, Cornelia Holzhausen2,3, Martin Ahrens1,2
1Institute of Biomedical Optics, University of Lübeck, 4 Peter-Monnik-Weg, Schleswig-Holstein, Lübeck 23562, Germany.
Biomedical optics express
|October 20, 2025
概括
在动态光学连贯断层扫描 (dOCT) 中缩短评估时间可以减少运动噪声,同时保持图像质量. 自动神经气体算法优化图像边界,以在dOCT成像中获得更好的对比度.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 光学一致性断层扫描技术
- 信号处理 信号处理
背景情况:
- 动态光学连贯性断层扫描 (dOCT) 利用信号波动进行组织对比.
- 运动文物是dOCT的一个重大挑战,可能会降低图像质量和诊断准确性.
- 优化图像处理技术对于提高dOCT性能至关重要.
研究的目的:
- 调查缩短dOCT中信号波动评估的时间基础的影响.
- 引入和评估一种自动聚类方法 (神经气体算法) 来优化色彩通道边界.
- 量化评估运动引起的噪声的减少和图像质量的维护.
主要方法:
- 在dOCT中实施信号波动分析的缩短时间基础.
- 应用神经气体算法来自动优化颜色通道边界.
- 使用平均平方误差 (MSE),峰值信号与噪声比 (PSNR) 和结构相似性 (SSIM) 对15个组织样本进行定量评估.
主要成果:
- 缩短信号波动评估的时间基础有效地减少了运动引起的噪声.
- 神经气体算法成功优化了颜色通道之间的边界,提高了图像质量.
- 定量指标证实了降低噪音和维护图像质量之间的有利权衡.
结论:
- 缩短时间基评估是一种可行的策略,可以减轻dOCT中的运动工件.
- 使用神经气体算法的自动边界优化提高了dOCT图像质量和稳定性.
- 这种方法提高了dOCT在各种组织成像应用中的可靠性.
