基于注意力机制结合残差神经网络的胃癌图像预测方法

摘要

随着深度学习的发展,单图像超分辨率技术对医学图像的分析成为研究热点。传统方法对胃癌图像细节重建不充分,丢失了图像的细节信息。提出一种新型高效的注意力机制结合残差神经网络的胃癌图像预测方法。对编码器输出的特征进行细化,并根据改进的融合注意方法对空间注意模块和通道注意模块进行重组,为像素融合提供更好的输入特征,达到重建解码器的效果。最后,通过添加像素融合后的输入特征,从而加速网络高频残差的收敛,提高图像重建效果。在重建放大倍数为2、3、4倍的条件下,进行实验验证。实验结果表明,在较低的模型参数下,方法具有最佳的PSNR和SSIM值。

关键词

超分辨率重建 / 注意力模块 / 像素融合