基于多尺度级联神经网络的医学图像超分辨率重建

摘要

提高医学图像清晰度有利于医生迅速做出病情诊断与分析,但由于受硬件设备限制和人为因素影响,往往无法获取令人满意的高分辨率医学图像。为解决此问题,提出一种基于多尺度级联的卷积神经网络模型。该算法使用多尺度残差块增强纹理细节学习能力,以深层残差结构预测高分辨率空间的纹理信息,以密集的级联方式加强网络低层信息与高层信息的流动,最后使用传统方法与残差结果相叠加,以此提高医疗图像的总体重建质量。实验结果表明,与NN、bilinear、bicubic、SRCNN以及SRResnet算法相比,所提模型能更好地重建出医学图像的纹理细节,获得更高的峰值信噪比和平均结构相似度。