关键词：
医学影像增强
条纹先验约束
编码器-解码器
结构和光照约束
生成对抗网络
摘要：
医学影像技术可以为临床医生提供与人体组织、器官、病变等相关的丰富图像信息,极大地支持了临床决策,因而在疾病诊断和治疗中发挥着日益重要的作用。然而,由于成像设备、拍摄环境等因素的制约,医学影像中不可避免地存在着多种类型的图像质量缺陷,如各种噪声和伪影干扰、模糊度高、对比度低以及灰度分布不均匀等。这些图像质量缺陷的存在,不仅妨碍了医生的视觉检查,还会导致后续自动分析诊断的性能下降,从而影响临床决策的准确性和可靠性。此外,图像质量缺陷的多样性和复杂性使得有效改善医学影像质量面临巨大挑战。
现代数字图像处理及计算机视觉技术的飞速发展,为有效消除医学影像中存在的质量缺陷提供了重要技术手段。近年来,深度学习技术在众多计算机视觉任务中表现出优异的性能,具有实现医学影像质量进一步提升的巨大潜力。因此,开发基于深度学习的医学影像增强技术,以此来消除医学影像中的质量缺陷,从而获得具有丰富细节辨识度的高质量医学影像,对于实现精准医疗具有至关重要的应用价值。针对医学影像中存在的噪声伪影干扰和光照不均匀这两大类图像质量缺陷,本文分别研究了适用于相应医学影像增强任务的深度学习方法,并对这些方法的增强性能进行了较为全面的评估。本文的具体研究内容及其创新点如下:
(1)条纹噪声通常存在于遥感、红外等一些图像模态中。在医学影像领域,光学相干断层扫描血管成像(Optical Coherence Tomography Angiography,OCTA)是存在条纹噪声的典型模态之一。在OCTA成像过程中,受试者不自主的眼球运动会给图像带来条纹噪声,从而干扰对图像中血管的观察和量化。为了消除OCTA图像中存在的条纹噪声,本文提出了一种基于条纹先验约束的条纹去除网络(Stripe Removal Network,SR-Net)。该网络以U-Net作为基础网络框架,并引入了一种针对OCTA图像条纹噪声去除任务专门设计的目标函数,称为条纹去除目标函数。该目标函数包含重建损失项、条纹损失项和各向异性全变分损失项。其中,重建损失项用于保证条纹噪声去除前后OCTA图像内容上的一致性;条纹损失项通过引入条纹噪声分布的先验信息,来引导网络精准识别条纹噪声并进行去除;各向异性全变分损失项用于保持OCTA图像中血管结构的完整性。在视网膜OCTA图像和结膜OCTA图像上的实验结果表明,与现有的OCTA图像条纹噪声去除方法相比,SR-Net在去除不同级别的条纹噪声干扰方面更具有效性和鲁棒性,同时也比较完整地保留了图像中的血管结构。
(2)一些特定应用场景下的医学影像中存在着较为严重的噪声干扰,从而表现出较差的信号质量。为了消除这类医学影像中的噪声干扰,提升图像信号质量,本文提出了一种基于Swin Transformer(Shifted-window Transformer)的低信噪比医学影像重建框架:Swin Transformer-残差U形网络(Swin-transformer-resu Net,Stru Net)。首先,本文构建了一种残差块和Swin Transformer模块组的并联结构,作为Stru Net的编码器-解码器结构的主干模块,该结构通过Swin Transformer模块在移位窗口内执行的多头自注意力计算和残差块的直连通路,来实现对重建图像信号的特征层次表示和全局-局部特征融合。其次,Stru Net的目标函数在L1距离项的基础上结合了感知损失项和低秩正则化项,其中感知损失项用于实现网络在不同特征层次上的约束,低秩正则化项通过引入高信号质量医学影像的低秩先验信息来优化网络输出的重建结果。Stru Net在低剂量CT扫描图像和低比特深度OCT B-scan图像上进行了验证,和其他图像去噪和重建方法相比,Stru Net显著提升了图像信号的可见度。
(3)由于照明光源限制或介质的光学性质差异等因素,很多基于光学成像的医学影像中存在光照不均匀的现象。为了解决医学影像光照不均匀的问题,从而进一步提升图像的对比度,本文提出了一种基于生成对抗网络的医学影像光照校正方法:结构和光照约束的生成对抗网络(Structure and illumination constrained GAN,Still GAN)。Still GAN采用了Cycle GAN的训练框架,将消除光照不均匀这类图像增强任务视为低质量图像到高质量图像的图像翻译任务,在没有成对的高质量和低质量图像用于监督学习的情况下,捕获高质量图像的典型特征并将其迁移到低质量图像上,以此来实现低质量图像光照分布的调整。为了克服Cycle GAN在训练过程中学习图像光照分布和结构细节方面的欠缺,本文提出了光照正则化项和结构损失项并引入到Still GAN的目标函数中,其中光照正则化项通过减少图像局部区域之间的光照差异来提升图像的光
欢迎来到三峡大学图书馆！
中文科技期刊
详细信息
