基于语义注意力的医学图像超分辨率方法

作者：林毅; 周芃^*; 陈彦明

来源：计算机科学, 2023, 50(S2): 1017-1022.

• 医学图像
• 超分辨率
• 深度学习
• 感兴趣区域
• 语义注意力

在医学图像领域，清晰的医学图像能够帮助医生更好地诊断疾病。然而，由于受到成像设备的限制，生成的医学图像往往分辨率较低并可能影响后期诊断。因此，使用超分辨率方法提高图像的分辨率显得尤为重要。近些年来，随着深度学习的发展，基于深度学习的自然图像超分辨率方法被广泛研究，并取得了一定效果。然而，不同于自然图像超分辨率，医学图像超分辨率往往是为下游医学任务服务。许多下游医学任务，例如疾病诊断、语义分割等等，往往会对某些区域感兴趣。但是传统图像超分辨率方法往往平等地对待图像中所有区域，没有考虑到感兴趣区域对于下游医学任务的重要性。针对此问题，提出了一种基于语义注意力的医学图像超分辨率方法。该注意力机制通过加权方式对图像中感兴趣区域进行额外关注，从而使得超分辨率图像更有助于下游医学任务。该方法在新冠肺炎数据集COVID＿19和胃肠息肉数据集Kvasir-SEG上都取得了领先于其他主流超分辨率方法的效果。

• 单位
  安徽大学