[發(fā)明專利]基于環(huán)形對抗生成網(wǎng)絡的OCT圖像去噪方法及裝置

在審

• 申請?zhí)枺?/td>: 201910515611.2
• 申請日: 2019-06-14
• 公開（公告）號: CN110390647A
• 公開（公告）日: 2019-10-29
• 發(fā)明（設計）人: 郭晏;呂彬;呂傳峰;謝國彤
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 北京鴻元知識產(chǎn)權代理有限公司 11327
• 代理人: 李玉琦;張超艷

本發(fā)明屬于人工智能技術領域，公開了一種基于環(huán)形對抗生成網(wǎng)絡的OCT圖像去噪方法及裝置，所述OCT圖像去噪方法包括：獲取待去噪的OCT圖像；將所述待去噪的OCT圖像輸入經(jīng)過訓練得到的環(huán)形對抗生成網(wǎng)絡模型；通過所述環(huán)形對抗生成網(wǎng)絡模型輸出去噪的OCT圖像。本發(fā)明通過環(huán)形對抗生成網(wǎng)絡模型對OCT圖像進行去噪處理，有效地將高噪聲的OCT圖像轉化為清晰的OCT圖像，以便于醫(yī)生識讀圖像或將OCT圖像用于軟件分析。并且，避免了之前深度學習在去噪應用中訓練數(shù)據(jù)必須配對的局限，有利于獲取大量的數(shù)據(jù)進行訓練，從而提高模型的去噪效果。

技術領域

本發(fā)明涉及人工智能技術領域，尤其涉及一種基于環(huán)形對抗生成網(wǎng)絡的OCT圖像去噪方法及裝置。

背景技術

光學相干層析技術(Optical Coherence tomography，OCT)作為一種新興的光學診斷技術，能夠用來檢查眼睛等比較精細的部位，幫助患者更早、更準確地診斷和治療青光眼、角膜疾病、老年黃斑病變等。但是，OCT圖像容易產(chǎn)生噪聲，無論是對于醫(yī)生識讀圖像或是用于軟件分析，都帶來了巨大的挑戰(zhàn)。一般需要對高噪聲圖像先進行去噪，再交給醫(yī)生閱片或進行軟件分析。目前，對圖形進行去噪聲處理的技術包括計算機視覺和深度學習兩種方向，計算機視覺方法以BM3D為例，存在處理時間過長等問題，而隨著深度學習應用到圖像去噪領域，例如采用多層感知器，自動編碼器及卷積神經(jīng)網(wǎng)絡方法，使得去噪效果較傳統(tǒng)的計算機視覺方法得到了提升。

生成對抗神經(jīng)網(wǎng)絡(Generative Adversarial Networks，GAN)是深度學習算法中的一種新型網(wǎng)絡，通過由卷積神經(jīng)網(wǎng)絡構建的生成網(wǎng)絡和判斷網(wǎng)絡進行對抗式的訓練，被廣泛地應用到圖像轉換、圖像處理等領域。但是，目前大多以條件對抗神經(jīng)網(wǎng)絡對OCT圖像進行去噪處理，在對條件對抗神經(jīng)網(wǎng)絡模型進行訓練的過程中需要噪聲圖像、清晰圖像的一一配對，不利于獲取大量OCT圖像數(shù)據(jù)以供訓練，使得訓練效果不好，從而導致條件對抗神經(jīng)網(wǎng)絡模型進行OCT圖像去噪的效果不理想。

發(fā)明內(nèi)容

本發(fā)明提供一種基于環(huán)形對抗生成網(wǎng)絡的OCT圖像去噪方法、裝置及介質，以解決現(xiàn)有技術中使用條件對抗神經(jīng)網(wǎng)絡模型對OCT圖像進行去噪效果不理想的問題。

為了實現(xiàn)上述目的，本發(fā)明的一個方面是提供一種基于環(huán)形對抗生成網(wǎng)絡的OCT圖像去噪方法，包括：獲取待去噪的OCT圖像；將所述待去噪的OCT圖像輸入經(jīng)過訓練得到的環(huán)形對抗生成網(wǎng)絡模型；通過所述環(huán)形對抗生成網(wǎng)絡模型輸出去噪的OCT圖像。

優(yōu)選地，所述環(huán)形對抗生成網(wǎng)絡模型包括生成網(wǎng)絡模型和判別網(wǎng)絡模型，所述生成網(wǎng)絡模型包括兩個生成器，分別為第一生成器和第二生成器，所述判別網(wǎng)絡模型包括兩個判別器，分別為第一判別器和第二判別器，每個生成器對應一個判別器，其中，所述第一生成器和所述第二生成器均由若干帶步長的卷積層和反卷積層組成；所述第一判別器和所述第二判別器由若干帶步長的卷積層和全連接層組成。

優(yōu)選地，所述方法還包括：構建訓練樣本集，包括噪聲圖像樣本和清晰圖像樣本；基于所述訓練樣本集對所述環(huán)形對抗生成網(wǎng)絡模型進行訓練。

優(yōu)選地，構建訓練樣本集的步驟包括：獲取OCT圖像樣本庫；選擇標準OCT圖像；將所述標準OCT圖像遍歷所述OCT圖像樣本庫中的樣本，求取所述OCT圖像樣本庫中各個OCT圖像樣本的峰值信噪比指數(shù)；將所述峰值信噪比指數(shù)從高到低排序；選擇對應的峰值信噪比指數(shù)排序靠前的預設個數(shù)個OCT圖像樣本作為清晰圖像樣本，選擇對應的峰值信噪比指數(shù)排序靠后的預設個數(shù)個OCT圖像樣本作為噪聲圖像樣本。