申请/专利权人:北京大学第三医院(北京大学第三临床医学院)
申请日:2023-11-27
公开(公告)日:2024-02-27
公开(公告)号:CN117291846B
主分类号:G06T5/70
分类号:G06T5/70;G06T5/50;G06N3/0464;G06N3/045;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.02.27#授权;2024.01.12#实质审查的生效;2023.12.26#公开
摘要:本发明公开了一种应用于喉显微外科手术的OCT系统及图像去噪方法,包括以下步骤:S1、在相同条件下的同一视野内,通过OCT探头连续两次成像,获取一对静态样本图像;S2、将每一对静态样本图像不重叠地切分成256×256像素的图像小块,分别作为噪声图像的输入和真值;S3、噪声图像的输入经第一卷积层后提取出浅层特征层,将浅层特征层作为残差学习模块的输入,经残差学习模块提取后输出深层特征层,浅层特征层与深层特征层相加,再经过结果卷积层,得到单通道的重建图像;S4、将重建图像重新拼接获得结果图像;本发明同时提供一种易于封装的封装OCT系统。本发明的图像去噪方法,在获得良好的图像质量的同时,避免了采集对齐的无噪声图像的困难。
主权项:1.一种应用于喉显微外科手术的OCT系统的图像去噪方法,其特征在于,包括以下步骤:S1、在相同条件下的同一视野内,通过OCT探头连续两次成像,获取一对静态样本图像;S2、将每一对静态样本图像不重叠地切分成256×256像素的图像小块,分别作为噪声图像的输入和真值;S3、噪声图像的输入经第一卷积层后提取出浅层特征层,将浅层特征层作为残差学习模块的输入,经残差学习模块提取后输出深层特征层,浅层特征层与深层特征层相加,再经过一个结果卷积层,得到单通道的重建图像;其中,残差学习模块为三层残差通道注意力网络,其包含连接的至少10个残差组和第二卷积层;每一残差组包含连接的至少20个残差通道注意力块和第三卷积层;每一残差通道注意力块包含第四卷积层、ReLU激活函数、第五卷积层和特征加权层;残差通道注意力块的输入经过第四卷积层、ReLU激活函数和第五卷积层提取后,得到特征层f,特征层f再经特征加权层获得加权特征层;将加权特征层与残差通道注意力块的输入相加,获得残差通道注意力块的输出;特征加权层为采用自适应平均池化法将特征层f的每个通道描述为单点,再通过下通道采样卷积层将通道数下采样,并经过ReLU激活函数激活;然后通过上通道采样卷积层将通道数上采样,并由Sigmoid函数激活,最后将该激活后的结果与特征层f相乘,获得加权特征层;S4、将重建图像重新拼接获得结果图像。
全文数据:
权利要求:
百度查询: 北京大学第三医院(北京大学第三临床医学院) 一种应用于喉显微外科手术的OCT系统及图像去噪方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。