ノイズ除去から疾患検出へ：ROIセグメンテーションを用いたOCT画像におけるBM3Dとオートエンコーダーの評価

デジタルデバイスの使用と加齢は眼の問題を引き起こす可能性があります。光干渉断層撮影（OCT）スキャンは眼の状態を診断します。しかし、ノイズはOCT画像において専門家や一般の人々が診断する際に問題を引き起こすことがあります。この文脈において、我々は2つのノイズ除去技術であるオートエンコーダー（AE）とBM3D（ブロックマッチングおよび3Dフィルタリング）を評価しました。我々が提案したAEは、PSNRが32.47で、除去時間が0.01秒という結果でBM3Dを上回りました。また、事前学習したアーキテクチャを用いた転送学習による深層畳み込みニューラルネットワーク（CNN）手法と、分類器としての完全接続（FC）ニューラルネットワークも提案しました。我々の提案したDenseNet121モデルは、AEによってノイズ除去されたデータセットにおいて、盲目的テスト中に100%の精度を達成し、画像の予測時間は0.0067秒であったため、既存の研究に対する競争力を示しました。