【技术实现步骤摘要】
一种深度学习和谱域空域联合子采样的SS
‑
OCT压缩成像方法
[0001]本专利技术涉及图像处理
,具体为一种深度学习和谱域空域联合子采样的SS
‑
OCT压缩成像方法。
技术介绍
[0002]扫频光学相干断层扫描 (SS
‑
OCT) 是一种非侵入性体积成像模式,广泛应用于生物医学领域。得益于激光技术的进步,SS
‑
OCT成像速率(通常用扫描光源的A线速率来量化)从几赫兹一路提升到几兆赫兹。 对于典型的 200 kHz SS
‑
OCT来说,如果以 12 位测量 2048 个频谱采样点,数据带宽可以超过 800 MB/s。研究者已经提出了各种策略来减轻数据带宽。但是现有方法大多通过采用“子采样和重建”范例来实现降低数据带宽:首先对物体干涉图进行频谱或空间子采样,然后通过信号处理技术重建 OCT 图像。
[0003]上述方法中需要一个固定的子采样掩膜来降低数据带宽,由于固定的子采样掩膜无法与OCT图像重建共同优化,导致了重建的OCT图像质量不高。
[0004]针对相关技术中的问题,目前尚未提出有效的解决方案。
技术实现思路
[0005]针对现有技术的不足,本专利技术提供了一种深度学习和谱域空域联合子采样的SS
‑
OCT图像压缩方法,具备神经网络联合同步优化等优点,解决了固定的子采样掩膜无法与OCT图像重建共同优化,导致了重建的OCT图像质量不高的问题。
[0006]为解决 ...
【技术保护点】
【技术特征摘要】
1.一种深度学习和谱域空域联合子采样的SS
‑
OCT图像压缩方法,其特征在于:包括以下步骤:步骤一、构建并训练各神经网络;构建掩膜神经网络:掩膜神经网络的输入为随机噪声,通过四层上采样和四层下采样的U
‑
Net架构输出两组特征图,其中每层上采样或下采样均包含两层卷积层,最后两组特征图通过GumbeSoftmax激活函数生成二维掩膜;其中GumbeSoftmax激活函数为:;其中D和分别为掩膜神经网络和Gumbel Softmax激活函数的输出;随机选择的一个通道作为二维掩膜;g是Gumbel(0,1)分布中独立且相同采样的随机噪声,τ是控制Gumbel分布密度的值,p和c分别为像素指数和通道指数,代表为通道为c、像素为p下的Gumbel Softmax激活函数的输出;代表为通道为c、像素为p下掩膜神经网络的输出;代表为通道为k、像素为p下掩膜神经网络的输出;代表为通道为k、像素为p下随机噪声的输出,代表为通道为c、像素为p的随机噪声的输出;构建条纹补全神经网络的方法包括:条纹补全神经网络的输入为欠采样条纹,通过四层下采样和四层上采样的U
‑
Net架构输出获得补全后的样本条纹,其中每层上采样或下采样均包含两层卷积层;构建增强神经网络的方法包括:增强神经网络的输入为初步重建的图像,通过四层下采样和四层上采样的U
‑
Net架构输出获得增强后的OCT图像,其中每层上采样或下采样均包含两层卷积层;训练掩膜神经网络、条纹补全神经网络和增强神经网络直至收敛,得到训练完成的掩膜神经网络、训练完成的条纹补全神经网络和训练完成的增强神经网络;所述收敛时,即为增强后的图像与图像真值的相似度达标时;增强后的图像通过以下步骤得到:向当前次迭代后的掩膜神经网络中输入随机噪声,并输出生成二维掩膜;将二维掩膜与完整的样本干涉条纹对应点相乘得到欠采样条纹;将所述欠采样条纹输入至当前次迭代后的条纹补全神经网络,获得补全后的样本条纹;将补全后的样本条纹经过IDFT得到初步重建的图像;将初步重建的图像输入至当前次迭代后的增强神经网络,输出获得增强后的图像;步骤二、生成图像采样系统,图像采样系统包括经训练完成后的掩膜神经网络输出生成的二维掩膜、训练完成的条纹补全神经网络、训练完成的增强神经网络以及IDFT;步骤三:将完整的目标检测干涉条纹输入至所述图像采样系统,获得目标图像。2.根据权利要求1所述的一种深度学习和谱域空域联合子采样的SS
‑
OCT图像压缩方法,其特征在于:完整的样本干涉条纹和完整的目标检测干涉条纹的获取方法为:通过OCT系统对样本物体和待测物体进行采集,得到完整的样本干涉条纹和完整的目标检测干涉条
纹。3.根据权利要求1所述的一种深度学习和谱域空域联合子采样的SS
‑
OCT图像压缩方法,其特征在于:图像真值通过以下步骤得到:将完整的样本干涉条纹与经过IDFT得到初步OCT图像,将初步OCT图像通过经典后处理算法计算得到图像真值。4.根据权利要求1所述的一种深度学习和谱域空域联合子采样的SS
‑
OCT图像压缩方法,其特征在于:训...
【专利技术属性】
技术研发人员:凌玉烨,董振兴,张杰,
申请(专利权)人:始终无锡医疗科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。