时间步骤编码的高频增强扩散模型用于OCT视网膜图像消噪
Boyu Yang1,2,3, Yong Huang1,2,3,4, Yingxiong Xie1,2
1Beijing Institute of Technology, School of Optics and Photonics, Beijing, 100081, China.
Biomedical optics express
|November 26, 2025
概括
本研究介绍了THFN-OCT,这是一种用于光学连贯性断层扫描 (OCT) 的新型深度学习模型. 它增强了视网膜图像中的高频细节,通过克服当前方法的局限性来提高诊断准确性.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 光学连贯断层扫描 (OCT) 提供高分辨率的视网膜成像,但受到斑点噪声的影响,降低了图像质量.
- 当前的深度学习方法往往会过度平滑OCT图像,失去准确的视网膜结构分析所需的关键高频细节.
研究的目的:
- 开发一个先进的深度学习模型用于OCT图像消除,保留高频细节.
- 为了提高受斑点噪声影响的OCT图像中视网膜结构恢复的准确性.
主要方法:
- 提出了一个基于冷扩散框架的时间增强高频网络 (THFN-OCT).
- 分离频域信息,单独处理组件与跨域连接.
- 引入了一个时间步骤意识的注意模块,以指导基于扩散时间步骤影响的重建.
主要成果:
- 与现有的算法相比,THFN-OCT模型在OCT图像的无色化方面表现出优异的性能.
- 在保持有效的降噪的同时,实现了高频细节的保存.
- 在公共和私人数据集上的实验验验证了该方法的有效性.
结论:
- 拟议的THFN-OCT模型有效地解决了当前OCT拒绝技术的局限性.
- 这种方法可以改善视网膜结构的恢复,提高了OCT成像的诊断价值.
- 这种方法显示出在眼科中临床应用的巨大潜力.


