基于多输入全卷积网络的三维光学相干断层扫描图像去噪

摘要： 近年来，将卷积神经网络（CNN）应用于去噪和超分辨率等低层视觉任务的研究日益增多。由于成像过程的相干特性，光学相干断层扫描（OCT）图像不可避免地会受到噪声影响。本文提出一种名为多输入全卷积网络（MIFCN）的新型OCT图像去噪方法。与近期提出的自然图像去噪CNN不同，该架构通过多个全卷积网络的像素级融合，能够利用相邻OCT图像间高度的相关性和互补信息。该多输入架构的参数学习考虑了整体输出与各输入图像贡献之间的一致性。研究采用定量与定性相结合的方式，将所提MIFCN方法与当前最先进的OCT图像去噪方法进行对比，测试对象包括正常眼及年龄相关性黄斑变性眼的OCT图像。