ChatRadio-Valuer：一种用于在多机构和多系统数据上生成通用放射学印象的大型聊天语言模型

《IEEE Transactions on Biomedical Engineering》：ChatRadio-Valuer: A Chat Large Language Model for Generalizable Radiology Impression Generation on Multi-Institution and Multi-System Data

提出一种基于神经隐式表示的低光照可见光微-OCT图像增强框架Dif-NIR，通过预去噪和NIR网络结合像素值辅助输入减少过平滑问题，采用自定义损失函数实现无监督学习。实验表明该方法在en face、B-scan和视网膜图像上均显著提升SNR（58.99dB）、CNR（49.56dB）和NIQE（9.0553），且具有跨设备和成像系统的泛化能力。

　　

摘要：

目标：光学相干断层扫描（OCT）是一种快速且无损的成像技术，但在成像深层组织或使用低功率、短曝光时间时，由于背散射光不足，图像亮度会降低。这一问题在可见光微OCT（vis-OCT）中更为明显，因为较短的波长会增加散射并限制穿透深度，从而限制了其应用范围。方法：在本文中，我们提出了Dif-NIR这一用于增强低光照条件下的OCT图像的新框架。该框架首先进行初步的去噪处理，然后利用神经隐式表示（NIR）网络进行图像增强，将像素值作为辅助输入以减轻全连接层的过度平滑效应。为了实现无监督学习，采用了定制设计的损失函数。通过在自收集的正面图像数据集上进行定性和定量比较，验证了所提出方法的有效性。为了进一步评估其泛化能力，我们还在其他OCT设备获取的B扫描图像和视网膜图像上进行了实验。结果：在正面图像数据集上，Dif-NIR在视觉质量、信噪比（SNR，58.99 dB）、对比度噪声比（CNR，49.56 dB）和图像质量指数（NIQE，9.0553）方面优于现有方法。此外，该方法也能有效应用于其他设备获取的OCT B扫描图像和视网膜图像。结论：所提出的网络有效缓解了不可预测的亮度下降问题，生成了更清晰、照明效果更好的图像，并展现出强大的泛化能力。意义：该网络能够有效揭示OCT图像中的深层信息，可用于扩展其应用场景，适用于成本效益高且速度快的成像环境。

引言

光学相干断层扫描（OCT）[1]是一种快速、三维、非侵入性的光学成像技术，能够在轴向和横向方向上提供高分辨率。它已被广泛应用于各种临床和研究领域，包括心脏病学[2]、耳科学[3]、皮肤病学[4]、细胞学[5]、牙科学[6]、泌尿学[7]以及眼科[8]、[9]、[10]。传统的OCT系统通常在轴向和横向方向的分辨率分别为3-5微米和5-8微米。随着超连续光源（SC）的出现，这些光源能够提供平滑、连续的超宽光谱，研究人员证明通过结合可见光和近红外波长，可以开发出一种微OCT系统，其分辨率在所有空间方向上比传统OCT提高了五倍[11]。使用可见光谱构建的OCT系统被称为可见光OCT（vis-OCT）。