[发明专利]一种基于条件生成对抗网络的OCT成像中散斑去噪方法

说明书

本发明公开一种基于条件生成对抗网络的OCT成像中散斑去噪方法，包括以下步骤：训练图像的获取、训练图像的预处理、数据扩增、模型训练以及模型使用；本发明采用条件生成对抗网络(cGAN)架构，通过训练得到从含有散斑噪声的OCT图像到无噪声的OCT图像的映射模型，再采用该映射模型对视网膜OCT图像的散斑噪声进行消除。本发明在条件生成对抗网络架构中引入了保持边缘细节的约束条件来训练，得到对边缘信息敏感的OCT图像散斑去噪模型，从而使本发明的散斑去噪模型在有效去除散斑噪声的同时，还能较好的保留图像细节信息。

技术领域

本发明属于视网膜图像去噪方法技术领域，具体是一种基于条件生成对抗网络的OCT成像中散斑去噪方法。

背景技术

光学相干层析成像(Optical Coherence Tomography，OCT)是近年发展起来的宽带光扫描层析成像技术，利用宽带光源的低相干性来实现高分辨率、非侵入的光学层析成像，目前，OCT成像的分辨率一般可以达到十几微米，最高可达几微米。

光学相干断层成像技术可快速获取微米级分辨率的眼部生物组织横截面图像，目前已成为视网膜成像的重要工具，为临床眼科医生对疾病的诊疗提供了帮助；由光波的多次前向和后向散射引起的散斑噪声是引起OCT图像质量下降的主要因素，存在的散斑噪声经常掩盖细微但重要的形态细节，因此对观测视网膜病变是不利的，它还影响用于客观和准确量化的自动分析方法的性能；尽管在过去二十年中OCT的成像分辨率、速度和深度已经大大改善，但作为成像技术的固有问题的散斑噪声尚未得到很好的解决。

申请号为201210242543.5的专利公开了基于自适应双边滤波的OCT图像散斑噪声减小算法，通过建立原始OCT图像的散斑噪声模型，依据瑞利准则，将原始OCT图像的散斑噪声模型作为变量，构建空间函数，并通过分析空间函数的特性，推导出空间函数F对滤波权系数进行自适应修正的方法公式；其能够实现减小OCT图像散斑噪声、减小图像均方误差并提高峰值信噪比，同时极大程度地保持图像的边缘信息，提高边缘对比度，获得更清晰的图像边缘细节。然而，目前的视网膜OCT图像散斑去噪算法存在以下的缺陷：(1)通用的图像去噪算法难以有效针对散斑噪声的特点进行去除；(2)传统的一些图像去噪算法会引起一定程度的图像边缘失真和对比度下降；(3)大部分图像去噪算法难以在去除散斑噪声的同时又叫好的保留图像细节信息，容易造成图像的过度平滑；(4)有些方法实现复杂度和时间成本过高，且很难适应不同类型的OCT扫描仪采集的图像。

发明内容

本发明的目的是针对现有技术存在的问题，提供一种基于条件生成对抗网络的OCT成像中散斑去噪方法，本发明采用条件生成对抗网络(cGAN)架构，通过训练得到从含有散斑噪声的OCT图像到无噪声的OCT图像的映射模型，再采用该映射模型对视网膜OCT图像的散斑噪声进行消除。

为实现上述目的，本发明采用的技术方案是：

一种基于条件生成对抗网络的OCT成像中散斑去噪方法，包括以下步骤：

S1，训练图像的获取，对同一只眼多次采集含有多张B扫描图像的三维图像；

S2，训练图像的预处理，对所述三维图像中相近位置的B扫描图像进行配准，将多张配准后的图像求平均并进行对比度拉伸，得到无噪声的OCT图像，再将无噪声的OCT图像与相应位置上含有散斑噪声的原B扫描图像组成训练图像对；

S3，数据扩增，通过随机缩放、水平翻转、旋转和非刚性变换对已预处理后的训练图像对进行数据扩增，获得最终的训练数据集；

S4，模型训练，利用训练数据集，采用条件生成对抗网络架构，并引入保持边缘细节的约束，通过端到端训练得到对边缘信息敏感的OCT图像散斑去噪模型；

S5，模型使用，将含有散斑噪声的OCT图像送入训练好的OCT图像散斑去噪模型进行计算，获得无噪声的OCT图像。