مقاله Sub2Full: طیف تقسیم شده برای تقویت لکه زدایی OCT بدون داده های تمیز

چکیده

Optical coherence tomography (OCT) suffers from speckle noise, causing the deterioration of image quality, especially in high-resolution modalities like visible light OCT (vis-OCT). The potential of conventional supervised deep learning denoising methods is limited by the difficulty of obtaining clean data. Here, we proposed an innovative self-supervised strategy called Sub2Full (S2F) for OCT despeckling without clean data. This approach works by acquiring two repeated B-scans, splitting the spectrum of the first repeat as a low-resolution input, and utilizing the full spectrum of the second repeat as the high-resolution target. The proposed method was validated on vis-OCT retinal images visualizing sublaminar structures in outer retina and demonstrated superior performance over conventional Noise2Noise and Noise2Void schemes. The code is available at https://github.com/PittOCT/Sub2Full-OCT-Denoising.

چکیده به فارسی (ترجمه ماشینی)

توموگرافی انسجام نوری (OCT) از سر و صدای لکه دار رنج می برد و باعث خراب شدن کیفیت تصویر می شود ، به خصوص در روشهای با وضوح بالا مانند OCT قابل مشاهده OCT (VIS-OCT).پتانسیل روشهای یادگیری عمیق تحت نظارت عمیق با دشواری در بدست آوردن داده های پاک محدود است.در اینجا ، ما یک استراتژی نوآورانه خود نظارتی به نام Sub2Full (S2F) را برای Despeckling OCT بدون داده های تمیز پیشنهاد کردیم.این رویکرد با دستیابی به دو اسکن B مکرر ، تقسیم طیف اولین تکرار به عنوان یک ورودی با وضوح پایین و استفاده از طیف کامل تکرار دوم به عنوان هدف با وضوح بالا کار می کند.روش پیشنهادی بر روی تصاویر شبکیه VIS-OCT که در حال تجسم ساختارهای Sublaminar در شبکیه بیرونی بود ، تأیید شد و عملکرد برتر را نسبت به طرح های معمولی نویز 2Noise و نویز 2Void نشان داد.این کد در https://github.com/pittoct/sub2full-oct-denoising در دسترس است.