[发明专利]光学相干层析图像去噪模型训练方法、去噪方法及装置

说明书

本发明提供一种光学相干层析图像去噪模型训练方法、去噪方法及装置，其方法包括：对于每一训练集，分别在每一训练集中获取多个样本图像对，将样本图像对中的任意一张样本光学相干层析图像作为样本图像，另一张样本光学相干层析图像作为样本图像对应的标签；基于各样本图像对，对光学相干层析图像去噪模型进行训练，获得训练好的光学相干层析图像去噪模型；其中，训练集中的各样本光学相干层析图像，为同一样本区域的光学相干层析图像。本发明提供的光学相干层析图像去噪模型训练方法、去噪方法及装置，在无需获取无噪声的真实图像的前提下，能对光学相干层析图像去噪模型进行训练，能提高光学相干层析图像去噪模型的训练效率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种光学相干层析图像去噪模型训练方法、去噪方法及装置。

背景技术

光学相干层析成像(optical coherence tomography，OCT)可以利用弱相干光干涉，通过弱相干光照射样品组织，探测和处理不同深度的反射光和参考光干涉的光谱数据得到断层图像。光学相干层析成像因为其非侵入性、高灵敏度以及高分辨率的优势，近年来在医学成像领域得到广泛的应用。但是，在低相干光的信号探测和处理过程中，容易受到各种噪声的干扰。噪声的出现，会降低图像的对比度与分辨率，从而造成成像质量的下降。

近年来，深度学习方法在光学相干层析图像去噪领域得到广泛应用，相较于传统方法，基于深度学习方法可以取得更好的去噪效果。但是，在训练模型时需要获取无噪声的真实图像作为标签集。而在光学相干层析成像领域，无噪声的真实图像通常是通过对同一位置图像多幅图配准取平均来获取的，这个过程需要耗费大量的时间与精力，基于深度学习方法对光学相干层析图像去噪时，训练光学相干层析图像去噪模型的效率较低。

发明内容

本发明提供一种光学相干层析图像去噪模型训练方法、去噪方法及装置，用以解决现有技术中基于深度学习方法对光学相干层析图像去噪时，光学相干层析图像去噪模型的训练效率较低的缺陷，实现更高效率的训练光学相干层析图像去噪模型。

本发明提供一种光学相干层析图像去噪模型训练方法，包括：

对于每一训练集，分别在所述每一训练集中获取多个样本图像对，将所述样本图像对中的任意一张样本光学相干层析图像作为样本图像，另一张样本光学相干层析图像作为所述样本图像对应的标签；

基于各所述样本图像对，对光学相干层析图像去噪模型进行训练，获得训练好的光学相干层析图像去噪模型；

其中，所述训练集中的各所述样本光学相干层析图像，为同一样本区域的光学相干层析图像。

根据本发明提供的一种光学相干层析图像去噪模型训练方法，所述对于每一训练集，分别在所述每一训练集中获取多个样本图像对，将所述样本图像对中的任意一张样本光学相干层析图像作为样本图像，另一张样本光学相干层析图像作为所述样本图像对应的标签之前，还包括：

对于每一样本区域，获取目标数量的所述样本区域的样本光学相干层析图像，作为所述训练集。

根据本发明提供的一种光学相干层析图像去噪模型训练方法，所述对于每一训练集，分别在所述每一训练集中获取多个样本图像对，将所述样本图像对中的任意一张样本光学相干层析图像作为样本图像，另一张样本光学相干层析图像作为所述样本图像对应的标签之前，还包括：

对于每一目标区域，获取目标数量的所述目标区域的原始光学相干层析图像；

对于所述每一目标区域中的每一样本区域，获取各所述原始光学相干层析图像中所述样本区域对应的局部图像，将所述样本区域对应的各所述局部图像作为各样本光学相干层析图像，所述各样本光学相干层析图像构成一个所述训练集；

其中，所述样本区域为所述目标区域的一部分。