基于生成对抗网络的医学图像超分辨率算法研究.pdf

基于生成对抗网络的医学图像超分辨率算法研究

摘要

医学图像是利用医学成像设备及技术，获得人体内部器官或组织的形态结构、病

理状态而得到的图像，其中磁共振成像凭借其安全、快速、准确的优点，在临床医学

上应用广泛。然而，由于高质量的磁共振成像通常伴随着长时间的扫描采集和昂贵的

成本，所以现存的磁共振图像通常分辨率较低，可能会造成诊断上的障碍和辅助诊断

模型训练上的困难。所以研究一种有效的医学超分辨率算法，可以在不改动硬件设备

的前提下，将低分辨率图像重建为纹理细节更加清晰的高分辨率图像具有重要的现实

意义。本文以构造有效的下采样算法和提升超分辨率算法在真实低清医学图像上的超

分效果为目标，对基于生成对抗网络的医学图像超分辨率模型和基于Transformer的图

像域自适应算法展开研究，本文的主要研究内容如下：

（1）针对当前深度学习算法生成的超分辨率图像可能改变图片原本纹理结构、产

生伪影、缺少高频细节等问题，研究基于生成对抗网络的医学图像超分辨率方法：本

文提出了一种包含编码器-主干网络-解码器的多尺度密集残差网络生成器结构和基于注

意力机制的U-net判别器，并改进损失函数为多尺度视觉损失函数，从而优化模型超分

辨率效果。并通过实验证明改进后的算法优于对比的其他超分辨算法。

（2）针对当前大多数下采样算法，由于忽略不同数据集之间的图像域距离，而导

致下采样的图片不准确，进而影响了后续超分辨率算法的有效性和实用性的问题，研

究基于Transformer的图像域自适应下采样算法：本文提出了一种基于真实未配对低清-

高清图像数据集的域自适应下采样方法，利用Transformer的自注意力机制，构造了域

特征编码器和结构特征编码器，并针对医学图像下采样任务，对损失函数进行改进，

加入了频率损失函数、一致性损失函数、域特征损失函数和图像内容损失函数以进一

步提升网络性能。实验证明本文提出的算法可以生成更贴近真实低清图像的结果。

（3）针对现存的大量低分辨率真实低清医学图像由于缺少对应高清医学图像而无

法被有效的超分辨率的问题，本文提出基于域自适应下采样的医学图像盲超分辨率算

法，可以实现利用高清医学图像对非配对的真实低清图像进行有效的超分辨率。实验

结果证明本文算法在视觉表现和客观指标上均优于对比的其他算法。

关键词：医学图像超分辨率；生成对抗网络；注意力机制；盲超分辨率

基于生成对抗网络的医学图像超分辨率算法研究

Abstract

Medicalimagesareimagesobtainedusingmedicalimagingequipmentandtechnology

tocapturethemorphologicalstructureandpathologicalstateofhumaninternalorgansor

tissues.Magneticresonanceimaging(MRI),withitsadvantagesofsafety,speed,and

accuracy,iswidelyutilizedinclinicalmedicine.However,sincehigh-qualityMRIimagesis

usuallycollectedbylongscanacquisitiontimesandhighcosts,existingmagneticresonance

imagesusuallyhavelowresolution,causingdiagnosticobstaclesanddifficultiesintraining

auxiliarydiagnosticmodels.Therefore,itisofgreatpracticalsignificancetostudyan

effectivemedicalsuper-resolutionalgorithmthatcanreco