通过综合切片训练和注册模块的自监督学习框架进行的实验研究，旨在改善光学相干断层扫描成像中存在的强散斑噪声，从而提高定量分析的性能。

Nov, 2023

利用深度学习和超分辨率技术重建失去的特征，以改善眼科临床医生的决策，应对广场视野 OCT 系统降低分辨率的挑战。

Jan, 2023

本文提出了一种针对光学相干断层扫描（OCT）噪声降低的 few-shot 监督学习框架，该框架在训练速度和培训内容方面都有巨大的提高，此外，我们还为 OCT 不同成像系统的域偏移问题提出了可能的解决方法。

Jun, 2023

光学相干断层扫描（OCT）通过提高形态结构解析能力，利用深度学习技术实现了基于医学图像的诊断与治疗。为了克服现有深度学习方法在图像重建中的频率偏差问题，本文提出了一种结合频率感知超分辨率框架，通过集成三个关键的基于频率的模块（频率变换、频率跳跃连接和频率对齐）及频率损失函数到条件生成对抗网络（cGAN）的方法。通过对一个现有的冠状动脉 OCT 数据集进行大规模定量研究，证明了我们提出的框架优于现有的深度学习框架。此外，我们还将该框架应用于鱼角膜图像和大鼠视网膜图像，证明了它在眼科成像中对解析形态细节的能力。

Jul, 2023

在这篇研究论文中，我们提出了一种无需训练集的两阶段深度学习方法，用于解决去噪问题，并通过引入自适应先验改进了以往方法中的模糊输入。我们的方法结合了更先进的优化技术，相比以往工作实现了五倍的加速。此外，我们还理论上研究了对应的非凸线性问题的形态，结果表明这个问题在一阶算法中具有良好的几何收敛性。

Feb, 2024

我们的研究提出了一种自我监督的强大机器学习框架 OCT-SelfNet，用于使用光学相干断层扫描 (OCT) 图像检测眼部疾病，通过结合多个机构的数据集，采用两阶段训练方法（自我监督预训练和有监督微调），并基于 SwinV2 主干结构的遮罩自编码器解决了实际临床应用部署的问题。广泛的实验表明，我们的方法在所有测试中均获得超过 77% 的 AUC-ROC 性能，而基线模型 Resnet-50 的性能不到 54%。此外，根据 AUC-PR 指标，我们的方法达到了 42% 以上的性能，相比基线模型的 33%，性能提升了至少 10%，这显示了我们方法的潜力和在临床设置中的实用性。

Jan, 2024

在本文中，我们提出了一种可行的光谱空间采集方法，该方法在保持高质量的图像重建的同时，在光谱和空间域中缩小了采样过程。此外，我们还提出了一种统一的多尺度重建框架，即多尺度光谱空间放大网络（MSSMN），用于解决高度缩小的 OCT 图像。我们的方法和多尺度重建框架相结合，可能允许在冠状动脉干预期间进行更快的 SD-OCT 检查，具有高分辨率。

Apr, 2022

本研究引入了一种新型降噪算法，Block-Matching Steered-Mixture of Experts with Multi-Model Inference and Autoencoder (BM-SMoE-AE)，通过将 SMoE 算法的分块匹配实现与增强型自编码器架构相结合，实现了高效的斑点噪声降噪并保留了关键图像细节。与现有的降噪技术相比，BM-SMoE-AE 算法在维持图像完整性和提高医学诊断的 OCT 图像可用性方面表现出卓越的性能。

Feb, 2024

利用深度学习的现代生物医学图像分析经常面临有限的注释数据的挑战，为了克服这个问题，可以使用深度生成模型来合成逼真的生物医学图像。通过提供粗略的层次草图，训练的去噪扩散概率模型（DDPM）可以生成逼真的近视视网膜光学相干断层扫描图像。此外，通过知识适应可以获得更准确的伪标签，对分割任务非常有益。通过这一方法，我们观察到层次分割准确性的持续改善，并通过各种神经网络验证。此外，我们还发现，仅使用合成图像训练的层次分割模型可以达到与仅使用真实图像训练的模型相当的结果。这些发现展示了 DDPM 在减少人工注释视网膜光学相干断层扫描图像的需求方面的潜在潜力。

Nov, 2023

利用子孔径分解算法提高海洋 SAR 图像的无监督学习检索精度，并表明使用多普勒重心图像时，该算法带来了重要的性能提升，为新的无监督物理引导检索算法开辟了新的研究方向。

Sep, 2022