面向光学相干层析成像的三维结构化压缩感知方法研究

Optical coherence tomography (OCT) can achieve the 3D tomography imaging of the human tissue in a non-invasive way, which is an important tool for the diagnosis of the diseases in the eye and soft tissue. This project will thoroughly study the high-dimensionality and several structural characteristics of the 3D OCT image, and propose a 3D structural compressive sensing (CS) method for the OCT imaging. The main content includes the following parts: 1) by considering the imbalanced distribution of structures within slices and high similarity for structures among slices, propose a 3D structural adaptive compressive sampling, reducing the redundancy in the acquired data and improving the imaging speed; 2) for the high-dimensionality and high-complexity of pathologic structures in the eye and soft tissue, propose a 3D multiple structural dictionary construction method, accurately representing and reconstructing the pathologic structures; 3) by exploiting the high similarity for structures within slices and the structure in sparse coefficients, propose a 3D structural sparse reconstruction method, enhancing the effectiveness and efficiency of the reconstruction. Our research will address several key problems (such as high redundancy in the acquired data, low imaging speed, low effectiveness for the representation and reconstruction of complex structures) in the current OCT technology, and promote the developments of both the CS theory and OCT imaging technique, providing a technical support for the high-efficient and accurate diagnosis of diseases in eye and soft tissue.

光学相干层析成像（OCT）可对人体组织实现三维无损成像，是眼球和软组织疾病诊断的重要手段之一。本项目将深入研究三维OCT图像的高维特性和多种内在结构性，提出面向OCT成像的三维结构化压缩感知方法。研究内容包括：1)利用层析内结构分布不均衡性和层析间结构相似性，提出三维结构自适应压缩采样方法，降低采集数据冗余度并提高成像速度；2)针对眼球和软组织病理结构的高维性和高复杂性，提出三维多结构字典构建方法，精确表示和重构病理结构；3)利用层析内结构相似性和稀疏系数结构性，提出三维结构化稀疏重构算法，提高重构精度和效率。研究成果将有助于解决现有OCT技术采集冗余度高、成像速度慢、复杂结构信息难以有效表示和重构等问题，促进压缩感知理论和OCT成像技术的发展，为眼球和软组织疾病高效、精确的诊断提供技术支撑。

光学相干层析成像（OCT）可对人体组织实现三维无损成像，是眼科疾病诊断的重要手段之一。但是，OCT成像时间较长，易造成眼科病患成像过程中的痛楚。此外，OCT通常在低光环境中成像易产生严重的噪声，影响后续的临床分析和诊断。传统方法可通过降低采样率，来提升成像速度，并采用插值和去噪等方法来重建高分辨率OCT图像。现有的插值和去噪方法并未考虑OCT图像的结构特性，易丢失或模糊OCT图像中的重要病理结构信息。本项目深入研究了三维眼科OCT图像的多种内在结构性，提出一系列OCT图像快速获取、重建及分析方法，主要包括：1）充分利用了眼科视网膜图像中的膜层结构，提出了一种基于膜层病理结构分割的稀疏表示重建方法，将OCT图像获取速度提升4倍的同时，准确重建了眼科膜层病理结构信息；2）充分利用了眼科视网膜OCT图像的3D层析结构，提出了一种张量稀疏表示重建方法，能高效利用3D层析信息来重建OCT图像；3）充分利用了OCT图像病变结构的非局部相似性，提出了一种非局部加权平均稀疏表示重建方法，大幅提升重建性能，抑制了噪声干扰；4）提出了基于深度学习的OCT图像膜层分割、病变检测、分类方法，大幅提升OCT图像自动分析精度。本项目在IEEE Trans. Medical Imaging等权威SCI期刊发表论文9篇，获得湖南省自然科学一等奖1项。相关研究成果将有助于解决现有OCT技术成像速度慢、复杂结构信息难以有效表示和重构等问题，促进稀疏表示理论和OCT成像技术的发展，为眼科疾病高效、精确的诊断提供技术支撑。