基于生成对抗网络的细胞图像超分辨重建

摘要

为提升细胞荧光显微图像的分辨率和重建质量，提出一种基于生成对抗网络的超分辨重建方法。该模型融合卷积与多头自注意力机制，实现多尺度特征建模与融合。通过联合内容损失、感知损失、对抗损失和总变分损失，提升训练稳定性与重建性能。在4种不同细胞亚结构数据集上的实验结果表明，该方法在峰值信噪比和结构相似性指数上均优于现有方法。与次优方法相比，峰值信噪比分别提升0.22、2.35、2.11和0.59 dB，结构相似性指数分别提升0.021、0.009、0.009和0.022。主观视觉评价进一步验证了该方法在细节恢复与伪影抑制方面的优势。

关键词

细胞荧光显微图像 / 超分辨重建 / 生成对抗网络