【技术实现步骤摘要】
本专利技术属于光学医用图像处理技术，具体涉及一种基于多帧光学相干层析扫描来构建超分辨率影像的方法。
技术介绍
1、光学相干层析扫描((optical coherence tomography--oct))由于具有非侵入性、无接触和应用于活体内部成像的特点，作为一种检测手段已广泛应用于眼科临床对视网膜疾病诊断。oct获得的视网膜b-scan图像为临床医生提供各个细胞层的厚度和形态信息，对于视网膜形态改变明显的病症的检出和评估具有重要意义。
2、临床诊断通常需要高分辨率的oct图像，以准确反映复杂的膜层病理结构。虽然oct图像微米级别的分辨率已经在临床影像学中发挥了重要作用，如果进一步提高oct图像的分辨率就可以提供更多膜层的微观结构信息，在有助于医生实现准确诊断的同时，揭示特定疾病的病理表现，大幅度推动临床医学诊断的发展。
3、oct系统成像主要依靠来自成像背景不同区域的背向散射光和参考光束干涉形成的一维干涉信号；通过解调一维干涉信号形成a-scan图像，在空间上扫描形成的多个a-scan图像拼接，形成二维b-scan图像。因此其轴向分辨率取决于干涉光源的中心波长和光谱带宽，其横向分辨率与聚焦物镜的数值孔径和投射到待测物表面光斑的尺寸有关。所以研究人员通过提升硬件配置，包括使用超宽带光源和复杂的扫描光束聚焦光学系统等方式来提升oct系统的成像分辨率。但该方法受到衍射极限和激光技术的限制，改进系统硬件对分辨率的提升程度有限，并且复杂的光学系统和光源加大了oct系统的制造成本，不能广泛应用于市场和医疗一线。p>
4、相比于对硬件系统进行改进，通过重建oct图像来提升oct图像分辨率的方法，因其能够以更小的成本提升图像质量、不受衍射极限限制的特点，在近年受到广泛推崇。目前已有的超分辨率重建方法可以分为三类：(1)基于单图像的超分辨率重建：(2)基于多图像的超分辨率重建；(3)基于深度学习的超分辨率重建。其中，第一类需要依据光学系统的参数计算点扩散函数(psf)，然后再利用计算出的点扩散函数进行反卷积操作，获得清晰图像。但是oct的原始数据在解调时因为自相关项干扰存在大量散斑噪声，将对含有噪声的图像进行反卷积会产生大量的伪影。并且成熟的oct系统复杂度高，光学参数受专利保护难以获得，计算点扩散函数难度较大。而第三类(基于深度学习的超分辨率重建)方法虽然可以高效率生成清晰度更高的图像，但其依赖于正确的低分辨率和高分辨率映射数据集，并且其对分辨率的提升倍数有限，生成的高分辨率图像的真实性降低，不可应用于医学图像领域。因此第二类提出的基于多图像的超分辨率重建(视网膜oct图像)的方案，可减轻基于单图像方案的点扩散函数估计错误对重建结果的影响。此外，多图像方法对于低分辨率图像噪声具有鲁棒性。当某帧低分辨率图像存在噪声或者信息较少时，其他图像仍然可以提供有效的信息来重建丢失的细节，从而提高重建结果的鲁棒性。
5、因此基于多图像超分辨率重建方法的优点是不依赖于数据集，可扩展到更多的应用场景，并且可以应对各种场景下oct图像超分辨率重建的需求。
6、一项美国(us5978109)专利中公开了一种超分辨率扫描光学装置，提出将来自相干光源的光以细斑的形式成像在共轭面上成像的装置，以及以细斑形式在共轭面上扫描的装置。相干光源由具有相位相反的第一光源和第二光源组成。第一光源的像主瓣的侧面幅值被第二光源主瓣的幅值抵消，从而减小第一光源的像的主瓣的宽度。以此获得小于衍射极限的超分辨率，而不形成裂隙状或环形开口。但该技术特征的缺陷是，不能同时提高横向和轴向分辨率，并且需要用到两个相位严格相反的光源，实现成本高、技术难度大。
7、一项美国(us5994690)专利中公开了一种改进的oct成像系统，提出一种从干涉仪输出干涉信号估计脉冲响应的方法，脉冲响应可以从相互相关和自相关数据中获得。分别通过对自相关数据和互相关数据进行傅里叶变换，获得自相关功率谱和互相关功率谱。取交叉功率谱与自功率谱之比，得到oct与组织的相互作用线性平移不变系统的传递函数，通过对传递函数进行傅里叶反变换获得光脉冲响应。将相干解调与反卷积技术结合使用，解析样品中间隔很近的反射点，提高oct系统的轴向分辨率。但该技术特征的缺陷是，该系统及方法不能同时提升oct系统的轴向和横向分辨率，并且其对功率谱的测量或估计受到光学元件、测量电子设备、数据采集系统和各种噪声源的特性的影响，进而影响对于传递函数的估计和计算，因此不能保证重建图像的清晰度。
8、一项中国(cn105976321)专利中公开了一种光学相干断层图像超分辨率重建方法和装置。提出将三维低分辨率oct图像在时间维度划分为多个相似帧组，并将多个相似帧组中的每帧oct图像分别划分为多个膜层。将每帧oct图像划分为多个重叠的图像块，并在每个图像块对应的膜层内确定每个图像块的多个相似图像块。根据确定的每个图像块的多个相似图像块，得到每个图像块的平均图像块。通过预先构建的高-低分辨率字典对以及相应的稀疏系数的映射方程，对得到的每个图像块的平均图像块进行处理，得到三维oct图像的高分辨率图像。通过构建多组相互匹配的高-低分辨率oct图像作为训练样本，提高重构超分辨率图像的精度。但该技术特征的缺陷是，其重构精度需要依靠大量样本的高-低分辨率图像作为训练集，该方法容易受个体差异性影响使得准确率下降，并且在计算平均图像块的过程中使用的相似图像块为膜层内部图像块。虽然可以抑制重建噪声，但相应地也会弱化边缘信息，减少重建图像中的高频成分。
9、一项中国(cn116128728)专利中公开了一种基于等变学习和先验引导的oct超分辨重建方法和装置。提出首先根据构建的oct成像模型，构建待训练网络的第一约束函数；基于等变学习构建待训练网络的第二约束函数；基于被测组织的解剖学先验知识构建待训练网络的第三约束函数；使用采集到的含噪低分辨图像作为训练集，基于所述以上三个约束函数对所述待训练神经网络进行训练；基于训练后的网络对待重建的oct图像进行高信噪比超分辨率重建。利用等变学习实现自监督的超分辨率重建，利用被测组织的解剖学先验知识实现自监督去噪，使得该网络可以同时实现oct图像重建的超分辨和降噪两种功能。但该技术特征的缺陷是，基于单张图像的自监督深度学习方法和先验知识进行重建，图像分辨率的提升倍数有限，并且重建高分辨率图像的数据真实度下降，易受错误数据引导，造成误诊率上升。
10、一项中国(cn116630154)专利中公开了一种oct图像的反卷积超分辨重建方法及装置。提出通过傅里叶变换得到低分辨率的oct图像作为输入的原始数据，构建稀疏连续先验反卷积计算的优化函数，进行重建优化的初始设置，之后进行迭代训练，引入中间变量进行迭代计算。在完成优化迭代后，输出最终的反卷积超分辨重建oct图像。该方法能够避免反褶积迭代重建产生的伪影，有效提升重建图像的分辨率。但该技术特征的缺陷是，在构建优化函数的过程中使用的点扩散函数(psf)为估计值，而oct系统其成像原理为扫描干涉系统，获得的信号为一维信号，因此理论上不存在可本文档来自技高网...
【技术保护点】
1.基于多帧光学相干层析图像的凸集投影超分辨率重建方法，其特征是，通过融合多帧低分辨率图像中所包含的信息，重建高分辨率图像中的高频信息，以获得清晰的高分辨率图像，重建的方法包括以下步骤：
【技术特征摘要】
1.基于多帧光学相干层析图像的凸集投影超分辨率重建方法，其特征是，通过融合多帧低分辨率图像中所...
【专利技术属性】
技术研发人员：贾大功，闫冰，彭炜龙，李明威，张乐函，
申请(专利权)人：天津大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。