通过双变压器残余网络,通过视网膜底部图像的结构保存超分辨率
Emmanuel Eric Pazo1, Salissou Moutari2, Fei Gao1
1Tianjin Key Laboratory of Retinal Functions and Diseases, Tianjin Branch of National Clinical Research Center for Ocular Disease, Eye Institute and School of Optometry, Tianjin Medical University Eye Hospital, Tianjin, China.
Frontiers in medicine
|February 16, 2026
概括
我们开发了一种双变压器剩余超分辨率网络 (DTRSRN),以增强用于糖尿病视网膜病变诊断的低分辨率视网膜图像. DTRSRN显著改善了血管结构的保存,超过了现有的超分辨率技术.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 生物医学工程 生物医学工程
背景情况:
- 高分辨率的视网膜底图像对于诊断糖尿病视网膜病变至关重要.
- 临床数据集经常包含低分辨率图像,通过掩盖细血管结构来阻碍准确的诊断.
- 目前的超分辨率方法在过于平滑的结果 (CNN) 和潜在的工件 (GAN) 之间进行了权衡.
研究的目的:
- 引入一个新的超高分辨率网络,双变压器剩余超高分辨率网络 (DTRSRN),用于增强视网膜底部图像.
- 解决现有的超分辨率技术在保存细血管细节方面的局限性.
- 用碎形维度分析量化评估视网膜血管形态的保存.
主要方法:
- 提出了一种混合架构的双变压器剩余超分辨率网络 (DTRSRN).
- 集成的Swin变压器用于全球上下文建模和并行剩余卷积神经网络 (CNN) 路径,用于保存细粒度的细节.
- 使用碎形维度分析量化测量视网膜血管形态的保存.
主要成果:
- 在基准数据集上,DTRSRN实现了33.64dB的PSNR,达到2倍超分辨率.
- 超越了一些最先进的方法,如SwinIR (+0.96 dB),HAT (+0.37 dB) 和ResShift (+0.30 dB).
- 与最好的基线相比,在血管结构保存方面表现出17.0%的改善 (ΔDf = 0.0987).
结论:
- DTRSRN有效地增强低分辨率视网膜图像,保持关键的血管结构.
- 拟议的方法为糖尿病视网膜病变诊断提供了卓越的性能和临床相关性.
- 碎形维度分析为评估超分辨率任务中的血管形态保存提供了有价值的定量指标.
