研究目的
通过提出一种在经过对数变换的域中训练的具有跳跃连接的扩张深度残差学习网络（DRSNet），以提高激光散斑对比成像（LSCI）在实时血流监测中的信噪比（SNR）。
研究成果
所提出的DRSNet实现了LSCI图像的实时去噪，在提高PSNR的同时，在图像质量和处理速度上均优于现有方法，展现出在血流监测生物医学应用中的巨大潜力。
研究不足
该研究受限于训练数据的需求以及网络容量增加可能导致的过拟合问题。其性能还受到光学成像参数的影响，因此需要包含不同光学放大倍数的训练集以确保鲁棒性。
1：实验设计与方法选择：
本研究采用具有跳跃连接的扩张深度残差学习网络（DRSNet）对经对数变换的激光散斑衬比成像（LSCI）图像进行去噪处理。
2：样本选择与数据来源：
包含6组训练图像集和10组测试图像集，每组均涵盖使用不同时间窗获取的血流灌注指数（BFI）图像。
3：实验设备与材料清单：
包括785纳米激光二极管、CCD相机、宏观镜及NVIDIA GTX 1070显卡。
4：实验流程与操作步骤：
通过训练网络学习对数变换域内含噪输入与无噪参考图像之间的残差。
5：数据分析方法：
采用峰值信噪比（PSNR）、多尺度结构相似性（MSSIM）和皮尔逊相关系数评估性能。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容
