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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD