近日，中国科大苏州高等研究院医学影像智能与机器人研究中心（MIRACLE）在光学相干断层扫描（OCT）高分辨重建中，提出了基于自监督学习和成像模型结合的高分辨重建算法。研究成果以“O-PRESS: Boosting OCT axial resolution with Prior guidance, Recurrence, and Equivariant Self-Supervision”为题，发表在国际权威期刊Medical Image Analysis上。
OCT是一种无创的三维成像技术，能够实时成像组织的微观结构。其轴向分辨率受限于所使用光源的光谱带宽和中心波长。从硬件层面上进一步提升分辨率面临严重的物理限制，且需要巨大的成本。本研究提出了一种新颖的计算方法，称为O-PRESS，在先验引导、循环机制和等变自监督的基础上提升OCT的轴向分辨率。
与依赖物理模型或数据驱动技术的传统反卷积方法不同，该方法无缝集成了OCT成像模型和深度学习自监督方法，能够仅从测量数据中实现实时轴向分辨率的增强，而无需配对的高清图像。该方法通过一种处理方式同时解决了分辨率增强和降噪两个主要任务。这两项任务均以自监督的方式执行，其中等变成像和自由空间先验分别指导分辨率增强和降噪过程。通过实验评估，包括定量指标和视觉估计，一致验证了该方法的有效性和优越性，其性能与全监督的方法相当。重要的是，模型的鲁棒性得到了证实，展示了其在增强轴向分辨率的同时提高信噪比的双重能力。
医学影像智能与机器人研究中心主任周少华教授、北京协和医院陈永信教授为共同通讯作者，生物医学工程学院博士后研究员李凯彦为第一作者。
Recurrent inference
论文链接：https://www.sciencedirect.com/science/article/abs/pii/S1361841524002445
(生物医学工程学院、苏州高等研究院）
