一种基于条件生成对抗网络的OCT成像中散斑去噪方法技术

本发明专利技术公开一种基于条件生成对抗网络的OCT成像中散斑去噪方法，包括以下步骤：训练图像的获取、训练图像的预处理、数据扩增、模型训练以及模型使用；本发明专利技术采用条件生成对抗网络(cGAN)架构，通过训练得到从含有散斑噪声的OCT图像到无噪声的OCT图像的映射模型，再采用该映射模型对视网膜OCT图像的散斑噪声进行消除。本发明专利技术在条件生成对抗网络架构中引入了保持边缘细节的约束条件来训练，得到对边缘信息敏感的OCT图像散斑去噪模型，从而使本发明专利技术的散斑去噪模型在有效去除散斑噪声的同时，还能较好的保留图像细节信息。

【技术实现步骤摘要】
一种基于条件生成对抗网络的OCT成像中散斑去噪方法
本专利技术属于视网膜图像去噪方法
，具体是一种基于条件生成对抗网络的OCT成像中散斑去噪方法。
技术介绍
光学相干层析成像(OpticalCoherenceTomography，OCT)是近年发展起来的宽带光扫描层析成像技术，利用宽带光源的低相干性来实现高分辨率、非侵入的光学层析成像，目前，OCT成像的分辨率一般可以达到十几微米，最高可达几微米。光学相干断层成像技术可快速获取微米级分辨率的眼部生物组织横截面图像，目前已成为视网膜成像的重要工具，为临床眼科医生对疾病的诊疗提供了帮助；由光波的多次前向和后向散射引起的散斑噪声是引起OCT图像质量下降的主要因素，存在的散斑噪声经常掩盖细微但重要的形态细节，因此对观测视网膜病变是不利的，它还影响用于客观和准确量化的自动分析方法的性能；尽管在过去二十年中OCT的成像分辨率、速度和深度已经大大改善，但作为成像技术的固有问题的散斑噪声尚未得到很好的解决。申请号为201210242543.5的专利公开了基于自适应双边滤波的OCT图像散斑噪声减小算法，通过建立原始OCT图像的散斑噪声模型，依据瑞利准则，将原始OCT图像的散斑噪声模型作为变量，构建空间函数，并通过分析空间函数的特性，推导出空间函数F对滤波权系数进行自适应修正的方法公式；其能够实现减小OCT图像散斑噪声、减小图像均方误差并提高峰值信噪比，同时极大程度地保持图像的边缘信息，提高边缘对比度，获得更清晰的图像边缘细节。然而，目前的视网膜OCT图像散斑去噪算法存在以下的缺陷：(1)通用的图像去噪算法难以有效针对散斑噪声的特点进行去除；(2)传统的一些图像去噪算法会引起一定程度的图像边缘失真和对比度下降；(3)大部分图像去噪算法难以在去除散斑噪声的同时又叫好的保留图像细节信息，容易造成图像的过度平滑；(4)有些方法实现复杂度和时间成本过高，且很难适应不同类型的OCT扫描仪采集的图像。
技术实现思路
本专利技术的目的是针对现有技术存在的问题，提供一种基于条件生成对抗网络的OCT成像中散斑去噪方法，本专利技术采用条件生成对抗网络(cGAN)架构，通过训练得到从含有散斑噪声的OCT图像到无噪声的OCT图像的映射模型，再采用该映射模型对视网膜OCT图像的散斑噪声进行消除。为实现上述目的，本专利技术采用的技术方案是：一种基于条件生成对抗网络的OCT成像中散斑去噪方法，包括以下步骤：S1，训练图像的获取，对同一只眼多次采集含有多张B扫描图像的三维图像；S2，训练图像的预处理，对所述三维图像中相近位置的B扫描图像进行配准，将多张配准后的图像求平均并进行对比度拉伸，得到无噪声的OCT图像，再将无噪声的OCT图像与相应位置上含有散斑噪声的原B扫描图像组成训练图像对；S3，数据扩增，通过随机缩放、水平翻转、旋转和非刚性变换对已预处理后的训练图像对进行数据扩增，获得最终的训练数据集；S4，模型训练，利用训练数据集，采用条件生成对抗网络架构，并引入保持边缘细节的约束，通过端到端训练得到对边缘信息敏感的OCT图像散斑去噪模型；S5，模型使用，将含有散斑噪声的OCT图像送入训练好的OCT图像散斑去噪模型进行计算，获得无噪声的OCT图像。具体地，步骤S2中，对所述三维图像中相近位置的B扫描图像进行配准包括以下步骤：S21，在多张所述三维图像中随机挑选一张作为目标图像；S22，以所述目标图像中第i个B扫描图像为基准，将所有三维图像中位置与所述第i个B扫描图像相近的B扫描图像放在一个集合中；S23，利用仿射变换对所述集合中的所有除第i个以外的B扫描图像以第i个B扫描图像为基准进行配准。进一步地，步骤S2中，将多张配准后的图像求平均并进行对比度拉伸包括以下步骤：S24，从配准后的图像中，选择具有最高平均结构相似性指数的多个图像与第i个B扫描图像一起求平均，得到与第i个B扫描图像相对应的参考去噪图像；S25，对所述参考去噪图像执行分段线性灰度拉伸变换得到对比度增强的标准去噪图像，小于背景区域平均值的灰度被映射到0，其余灰度通过线性拉伸缩放到[0,255]。进一步地，步骤S24中，所述平均结构相似性指数通过以下公式得到：其中，x和y为两张图像中对应位置的两个大小为W×W的窗口，μx和uy分别是两个窗口中像素灰度的平均值，与分别是两个窗口中像素灰度的方差，σxy是x和y两个窗口的协方差；常数C1＝2.55，C2＝7.65。具体地，步骤S3中，所述随机缩放采用不同的缩放因子来模拟不同分辨率的OCT仪器采集的图像，便于用扩增后的数据集训练出来的模型可测试不同类型的OCT扫描仪采集的其他图像；所述水平翻转用于模拟右眼和左眼的对称性，以保证用扩增后的数据集训练出来的模型可适应左右眼；所述旋转用于模拟OCT图像中视网膜的不同倾斜度，旋转角度范围为-30°～30°，从而提高用扩增后的数据集训练出来的模型处理倾斜程度不同的视网膜OCT图像的鲁棒性；所述非刚性变换用于模拟不同病理引起的变形差异，从而使用扩增后的数据集训练出来的模型可以处理不同病理的OCT图像。具体地，步骤S4中，所述条件生成对抗网络包括生成器和判别器；所述条件生成对抗网络以输入的图像作为条件来约束生成的图像；所述生成器通过训练学习使得自身生成让判别器难以分辨的图像，所述判别器通过训练学习来提升自身的分辨能力。进一步地，所述条件生成对抗网络的目标函数为：其中，Pdata(x,y)为x和y的联合概率密度函数，Pdata(x)为x的概率密度函数，Pz(z)为z的概率密度函数；G为生成器，D为判别器；所述生成器的输入是目标图像中的B扫描图像x和随机噪声向量z，输出是和x相应的生成图像G(x,z)；所述判别器的输入是目标图像中的B扫描图像x和相应的金标准y构成的真实数据对(x,y)或者所述B扫描图像x和生成图像G(x,z)构成的生成数据对(x,G(x,z))，输出是数据对判断为真实的概率；在训练过程中，判别器的目标是使所述目标函数最大，生成器的目标是使所述目标函数最小，则优化后的目标函数为：为了使生成的图像更接近于金标准，在目标函数中引入L1距离约束：为了解决在去除散斑噪声的同时又能清晰保留边缘的困难，在目标函数中引入对边缘信息敏感的边缘损失：其中，i和j表示图像中纵向和横向的坐标；所述条件生成对抗网络的最终优化目标函数为：其中，λ1和λ2分别是L1距离和边缘损失的加权系数。与现有技术相比，本专利技术的有益效果是：(1)本专利技术通过对同一只眼多次采集含有多张B扫描图像的三维图像，对相近位置B扫描图像进行配准，再求平均并对其进行对比度拉伸，使获得的训练图像质量更高；(2)本专利技术在训练数据的扩增中，采用随机缩放使扩增后的数据集训练出来的模型可测试不同类型的OCT扫描仪采集的图像；采用水平翻转以保证扩增后的数据训练出来的模型可适应左右眼；采用旋转提高扩增后的数据集训练出来的模型处理倾斜程度不同的视网膜OCT图像的鲁棒性；采用非刚性变换使扩增后的数据集训练出来的模型可以处理不同病理的OCT图像；(3)本专利技术在条件生成对抗网络架构中引入了保持边缘细节的约束条件来训练，得到对边缘信息敏感的OCT图像散斑去噪模型，从而使本专利技术的散斑去噪模型在有效去除散斑噪声的同时，还能较好的保留图像细本文档来自技高网...

【技术保护点】
1.一种基于条件生成对抗网络的OCT成像中散斑去噪方法，其特征在于，包括以下步骤：S1，训练图像的获取，对同一只眼多次采集含有多张B扫描图像的三维图像；S2，训练图像的预处理，对所述三维图像中相近位置的B扫描图像进行配准，将多张配准后的图像求平均并进行对比度拉伸，得到无噪声的OCT图像，再将无噪声的OCT图像与相应位置上含有散斑噪声的原B扫描图像组成训练图像对；S3，数据扩增，通过随机缩放、水平翻转、旋转和非刚性变换对已预处理后的训练图像对进行数据扩增，获得最终的训练数据集；S4，模型训练，利用训练数据集，采用条件生成对抗网络架构，并引入保持边缘细节的约束，通过端到端训练得到对边缘信息敏感的OCT图像散斑去噪模型；S5，模型使用，将含有散斑噪声的OCT图像送入训练好的OCT图像散斑去噪模型进行计算，获得无噪声的OCT图像。

【技术特征摘要】
1.一种基于条件生成对抗网络的OCT成像中散斑去噪方法，其特征在于，包括以下步骤：S1，训练图像的获取，对同一只眼多次采集含有多张B扫描图像的三维图像；S2，训练图像的预处理，对所述三维图像中相近位置的B扫描图像进行配准，将多张配准后的图像求平均并进行对比度拉伸，得到无噪声的OCT图像，再将无噪声的OCT图像与相应位置上含有散斑噪声的原B扫描图像组成训练图像对；S3，数据扩增，通过随机缩放、水平翻转、旋转和非刚性变换对已预处理后的训练图像对进行数据扩增，获得最终的训练数据集；S4，模型训练，利用训练数据集，采用条件生成对抗网络架构，并引入保持边缘细节的约束，通过端到端训练得到对边缘信息敏感的OCT图像散斑去噪模型；S5，模型使用，将含有散斑噪声的OCT图像送入训练好的OCT图像散斑去噪模型进行计算，获得无噪声的OCT图像。2.根据权利要求1所述的一种基于条件生成对抗网络的OCT成像中散斑去噪方法，其特征在于，步骤S2中，对所述三维图像中相近位置的B扫描图像进行配准包括以下步骤：S21，在多张所述三维图像中随机挑选一张作为目标图像；S22，以所述目标图像中第i个B扫描图像为基准，将所有三维图像中位置与所述第i个B扫描图像相近的B扫描图像放在一个集合中；S23，利用仿射变换对所述集合中的所有除第i个以外的B扫描图像以第i个B扫描图像为基准进行配准。3.根据权利要求1所述的一种基于条件生成对抗网络的OCT成像中散斑去噪方法，其特征在于，步骤S2中，将多张配准后的图像求平均并进行对比度拉伸包括以下步骤：S24，从配准后的图像中，选择具有最高平均结构相似性指数的多个图像与第i个B扫描图像一起求平均，得到与第i个B扫描图像相对应的参考去噪图像；S25，对所述参考去噪图像执行分段线性灰度拉伸变换，小于背景区域平均值的灰度被映射到0，其余灰度通过线性拉伸缩放到[0,255]。4.根据权利要求3所述的一种基于条件生成对抗网络的OCT成像中散斑去噪方法，其特征在于，步骤S24中，所述平均结构相似性指数通过以下公式得到：其中，x和y为两张图像中对应位置的两个...

【专利技术属性】
技术研发人员：陈新建，石霏，马煜辉，朱伟芳，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏,32