【技术实现步骤摘要】
本专利技术涉及人工智能以及医学图像超分辨，特别是涉及基于动态注意力和隐式神经表示的医学图像超分辨方法。
技术介绍
1、医学图像超分辨率任务是指使用图像处理技术提高医学成像数据的空间分辨率的过程。具体来说，这项任务旨在从低分辨率（lr）的医学图像中重建出高分辨率（hr）图像，以增强图像的细节和质量，从而改善医生对图像的解读和分析。
2、在临床方案中收集的医学图像通常存在一个显著问题，即图像具有较大的切片间距，这导致了高面内分辨率但低平面间分辨率。为了提高医学图像的平面间分辨率，以促进更好的可视化效果和计算机辅助诊断，超分辨率技术被广泛应用。然而，大多数现有的超分辨率工作通常对于整体图像进行超分辨率，医学图像的平面间距依旧相对较大，并且网络大都在固定的比例因子下进行训练的，这在面对医学图像扫描中变化的切片间距时显得不够灵活并且适应性较差。同时，大多超分结果伪影较多，图像过于平滑使得其失去了真实性，这往往是由于网络对每一个位置的关注权重相对一致，忽略了实际应用中图像不同区域的特异性。此外，由于三维数据量较大，使用传统的网络往往需要...
【技术保护点】
1.基于动态注意力和隐式神经表示的医学图像超分辨方法，其特征在于，包括：
2.根据权利要求1所述的基于动态注意力和隐式神经表示的医学图像超分辨方法，其特征在于，构建所述训练集包括：
3.根据权利要求1所述的基于动态注意力和隐式神经表示的医学图像超分辨方法，其特征在于，所述医学图像超分辨率模型包括：
4.根据权利要求3所述的基于动态注意力和隐式神经表示的医学图像超分辨方法，其特征在于，所述特征提取模块采用卷积神经网络对输入图像进行特征提取，获取第一特征图，包括：
5.根据权利要求4所述的基于动态注意力和隐式神经表示的医学图...
【技术特征摘要】
1.基于动态注意力和隐式神经表示的医学图像超分辨方法，其特征在于，包括：
2.根据权利要求1所述的基于动态注意力和隐式神经表示的医学图像超分辨方法，其特征在于，构建所述训练集包括：
3.根据权利要求1所述的基于动态注意力和隐式神经表示的医学图像超分辨方法，其特征在于，所述医学图像超分辨率模型包括：
4.根据权利要求3所述的基于动态注意力和隐式神经表示的医学图像超分辨方法，其特征在于，所述特征提取模块采用卷积神经网络对输入图像进行特征提取，获取第一特征图，包括：
5.根据权利要求4所述的基于动态注意力和隐式神经表示的医学图像超分辨方法，其特征在于，所述残差密集块之间通过relu激活函数连接，每个残差密集块包括密集连接的若干卷积层。
6.根据权利要求3所述的基于动态注意力和隐式神经表示的医学图像超分辨方法，其特征在于，所述预超分辨模块采用插值算法对所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。