封面 | OCT遇上深度学习：散斑噪声抑制+实时去卷积双突破

本文介绍了上海交通大学杨建龙教授课题组在Advanced Imaging上发表的研究成果，该研究通过构建融合点扩散函数建模的自监督学习框架，解决了OCT图像去卷积处理的核心技术瓶颈。研究背景指出，OCT技术在生物医学诊断与工业检测领域广泛应用，但其成像质量受限于空间模糊效应和斑点噪声。研究目的是开发一种免基准数据、自监督实时去卷积方法，以提升OCT成像质量。研究内容详细描述了团队提出的研究方法，包括去噪预处理、盲PSF估计和稀疏去卷积的级联处理流程，以及轻量级深度神经网络架构的设计。实验结果表明，该方法显著提升了图像分辨率和信噪比，且在不同波段和成像模式的跨数据集测试中表现稳定。未来展望中，课题组计划优化PSF建模方法，拓展功能性OCT成像应用，并推进临床转化。