基于稀疏编码非局部注意力对偶网络的病理图像超分辨率重建

摘要：

高分辨率的病理学图像是疾病高精度诊断的客观依据,在精准医学领域具有重要意义.然而,受硬件设备分辨率和扫描时长的限制,实时获取高分辨率病理图像存在困难.经典的图像超分辨率重建算法由于模型的参数较难估计,导致重建后图像细节模糊且不够真实,不适用于病理学图像.为此,文中提出稀疏编码非局部注意力对偶网络,通过上采样和降采样对偶分支中的稀疏编码非局部注意力机制、高斯约束以及参数共享策略来实现病理学图像的超分辨率重建.重建后的病理图像峰值信噪比和结构相似性分别达到了30.84 dB 和0.914.研究结果表明,所提方法不但能够实现病理学图像中高频细节的精确重建,轻量化的稀疏编码非局部注意力机制也有效地提高了建模的效率,是病理学图像超分辨率重建的一种有效方法.

关键词：稀疏编码、非局部注意力、对偶网络、病理图像、超分辨率

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：295-302