一种基于复值神经网络的OCT轴向超分辨方法及系统技术方案

本发明专利技术公开了一种基于复值神经网络的OCT轴向超分辨方法及系统，涉及图像处理和成像技术领域，方法包括：用OCT采集样品的干涉信号，利用光谱截取的方式生成人为退化的OCT低轴向分辨率复数B

【技术实现步骤摘要】
一种基于复值神经网络的OCT轴向超分辨方法及系统


[0001]本专利技术涉及图像处理和成像
，尤其涉及一种基于复值神经网络的OCT轴向超分辨方法及系统。

技术介绍

[0002]光学相干断层扫描（Optical coherence tomography，OCT）是一种新型的非侵入性的光学成像技术。它通过检测样品在不同深度的背向反射或多次散射的光信号实现结构成像。OCT的高分辨率断层成像和高对比度成像的能力让它在心脏病学、胃肠病学、皮肤病学和眼科领域获得较大应用。相较于超声成像、X
‑
射线计算机断层扫描、磁共振成像等医学成像技术相比，OCT具有更高的分辨率。和共聚焦显微、单光子显微、双光子显微等显微成像技术相比，OCT具有更强的层析能力。因此，它填补了两类成像技术的空白。
[0003]为了进一步提升OCT高分辨率的优势，许多研究人员利用基于硬件的方法实现分辨率的提升。如利用宽带钛宝石激光器实现2.5 μm的轴向分辨率；利用可见光波段实现小于2μm的轴向分辨率。然而，这些基于硬件的方法会提升OCT的复杂度与成本，不利于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于复值神经网络的OCT轴向超分辨方法，其特征在于，包括：用OCT系统采集样品的原始数据，对原始数据进行预处理得到OCT高轴向分辨率复数B
‑
scan图像，利用光谱截取的方式对原始数据进行轴向分辨率退化，得到OCT低轴向分辨率复数B
‑
scan图像，最终得到数据集；基于复值神经网络构建用于OCT轴向超分辨的复值神经网络模型；构建用于所述复值神经网络模型训练的损失函数；利用所述数据集对所述复值神经网络进行训练，验证和测试，将训练好的复值神经网络用于实现OCT的轴向超分辨。2.如权利要求1所述的基于复值神经网络的OCT轴向超分辨方法，其特征在于，所述用OCT系统采集样品的原始数据，对原始数据进行预处理得到OCT高轴向分辨率复数B
‑
scan图像包括：首先使用OCT系统采集样品得到原始数据，将原始B
‑
scan数据的每列A
‑
scan减去参考光谱；然后将每列A
‑
scan乘上与A
‑
scan相同长度的汉宁窗；接着对每列A
‑
scan进行色散矫正和光谱仪的非线性矫正；最后对B
‑
scan中的每列A
‑
scan进行快速傅里叶变换得到OCT高轴向分辨率复数B
‑
scan图像。3.如权利要求1或2所述的基于复值神经网络的OCT轴向超分辨方法，其特征在于，所述利用光谱截取的方式对原始数据进行轴向分辨率退化，得到OCT低轴向分辨率复数B
‑
scan图像包括：首先使用OCT系统采集样品得到原始数据，将原始B
‑
scan数据的每列A
‑
scan减去参考光谱；然后截取每列A
‑
scan中间位置的部分光谱数据，并对截取后的A
‑
scan乘上与A
‑
scan相同长度的汉宁窗；用0对每列A
‑
scan中未被截取到的位置进行填充使A
‑
scan恢复到截取前的长度；接着对每列A
‑
scan进行色散矫正和光谱仪的非线性矫正；最后对B
‑
scan中的每列A
‑
scan进行快速傅里叶变换得到OCT低轴向分辨率复数B
‑
scan图像。4.如权利要求3所述的基于复值神经网络的OCT轴向超分辨方法，其特征在于，所述最终得到用于网络训练、验证和测试的数据集包括：将复数B
‑
scan图像保存；将对应的低轴向分辨率图像和高轴向分辨率图像构建数据集。5.如权利要求4所述的基于复值神经网络的OCT轴向超分辨方法，其特征在于，所述基于复值神经网络构建用于OCT轴向超分辨的复值神经网络模型包括：采用复值神经网络作为深度学习的超分辨模型，所述复值神经网络由浅层特征提取、深层特征提取和图像重建三个模块组成；输入OCT低轴向分辨率复数B
‑
scan图像到复值神经网络，输出OCT轴向超分辨复数B
‑
scan图...

【专利技术属性】
技术研发人员：莫建华，王凌云，
申请(专利权)人：苏州大学，
类型：发明
国别省市：