一种OCTA图像降噪方法、电子设备及存储介质技术

本发明专利技术公开了一种OCTA图像降噪方法、电子设备及存储介质，方法从OCTA图像特征出发，将小波域降噪和深度学习降噪结合，融合神经网络降噪和小波降噪优点，使得能在充分保留血管和病变区信号的同时，对图像中的高斯噪声和散斑噪声均有良好的降噪效果。本发明专利技术主要用于眼科图像处理技术领域。图像处理技术领域。图像处理技术领域。

【技术实现步骤摘要】
一种OCTA图像降噪方法、电子设备及存储介质


[0001]本专利技术涉及眼科图像处理领域，具体涉及一种OCTA图像降噪方法、电子设备及存储介质。

技术介绍

[0002]从OCTA(光学相干断层扫描血管造影术)图像可以分析出多种医学临床视网膜疾病，如黄斑毛细血管扩张、灌注受损、微动脉瘤、毛细血管重塑等，因此OCTA已被用于一系列视网膜血管疾病的评估，包括糖尿病视网膜病变、视网膜静脉阻塞、葡萄膜炎、视网膜动脉阻塞和年龄相关性黄斑变性等。高质量的图像对疾病的诊断有重要意义。
[0003]在OCTA图像测量过程中，不可避免的存在各种噪声，传统的方法多采用基于滤波器的降噪方法，通过使用低通滤波器，中值滤波器，均值滤波器等来降低图像中的噪声，这些基于滤波器的方法在一定程度上可以抑制散斑噪声，但也造成了图像细节的损失，降低了图像的分辨率。目前深度学习方法也被广泛应用于图像降噪，人们尝试用各种神经网络进行OCTA图像降噪。如佳能使用OCTA平均值图像作为训练数据，对单次扫描图像进行降噪处理，区别噪声元素与信号元素，消除图像中的噪声元素并生成可视化血管细本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种OCTA图像降噪方法，其特征在于，包括如下步骤：获取待测对象的多帧OCT图像，记为第一OCT图像；将所述第一OCT图像通过OMAG算法提取第一OCT图像中的血流信号获得OCTA图像，记为第一OCTA图像；将第一OCTA图像输入第一神经网络模型得到第一降噪图像；其中，所述第一神经网络模型是通过双树复小波变换降噪算法事先训练得到的；将第一OCTA图像输入第二神经网络模型，得到噪声分布特征；将第一OCTA图像输入第三神经网络模型，在第三神经网络模型中，以所述噪声分布特征作为先验知识进行降噪，得到第二降噪图像；将所述第一降噪图像和第二降噪图像进行融合，得到第二OCTA图像；将第二OCTA图像进行A扫描的最大强度投影，得到En
‑
face OCTA图像。2.根据权利要求1所述的一种OCTA图像降噪方法，其特征在于，所述第一神经网络模型是基于以下步骤得到：获取多个样本OCTA图像，对所述样本OCTA图像进行双树复小波变换降噪算法进行降噪，得到降噪样本OCTA图像，以样本OCTA图像和降噪样本OCTA图像作为训练图像集，将训练图像集分为训练集和验证集；通过训练集对预设的训练神经网络模型进行训练，得到待选训练模型；通过验证集对待选训练模型进行验证；待验证合格后，则确定验证合格的待选训练模型为第一神经网络模型；其中，对所述样本OCTA图像进行双树复小波变换降噪算法进行降噪，得到降噪样本OCTA图像具体包括：将样本OCTA图像进行双树复小波变换将图像数据转化成小波域，设定小波分解尺度为4，得到4个小波尺度层，其中，每一个小波尺度层包括六个高频小波系数子带和两个低频小波系数子带；对每一个小波尺度层中的每一个高频小波系数子带进行噪声滤波，将滤波后的高频小波系数子带与低频小波系数子带进行小波重构，得到降噪样本OCTA图像。3.根据权利要求2所述的一种OCTA图像降噪方法，其特征在于，对每一个小波尺度层中的每一个高频小波系数子带进行噪声滤波具体包括：计算高频小波系数子带的噪声小波系数的方差估计，...

【专利技术属性】
技术研发人员：安林，贺珂，秦嘉，
申请(专利权)人：唯仁医疗佛山有限公司，
类型：发明
国别省市：