A Physics-Informed Diffusion Model for Super-Resolved Reconstruction of Optical Coherence Tomography Data
Notice bibliographique
Résumé
OBJECTIVE: This study introduces a physics-informed diffusion model (PIDM) for super-resolution (SR) reconstruction of optical coherence tomography (OCT) data. METHODS: An optimization framework was developed for maximizing the likelihood of observing an OCT image in the dataset, given the super-resolved reconstruction from a physics-informed diffusion model (PIDM) that reverses the degradations in OCT images. The image degradations were modeled as a serialization of three processes accounting for the effects of defocus, speckle noise, and digital sampling in OCT images. An analytical model for light-propagation model and a statistical model for speckle noise were derived based on the physical properties of the OCT setup. These models were then integrated with a diffusion model to reverse the degradations caused by defocus blur and digital sampling, minimizing susceptibility to noise and defocus-induced artifacts. RESULTS: The proposed method was employed for reconstructing images of a standard resolution target, plant tissue, and in vivo human cornea, using the complex OCT data acquired with a line-scan OCT (LS-OCT) system. The results from the PIDM exhibit improved sharpness and contrast compared to the images resulting from a few baseline methods such as standalone super-resolution using DM. CONCLUSION: Complementing DM with the physics of OCT could be a viable solution for obtaining high-fidelity SR reconstruction of OCT images. SIGNIFICANCE: This work harnesses the power of diffusion models for super-resolution in OCT images. Such development could potentially enhance cellular-resolution OCT imaging of ophthalmic tissues, where high-fidelity images are crucial for accurate diagnosis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».