BrightVAE：低光端oscopic图像的亮度增强

图像亮度增强在内镜图像中尤为关键。低光内镜图像常因对比度降低和亮度不均而受到影响，这显著影响诊断准确性和治疗规划。内体成像因光照不均和阴影区域而具有挑战性。对于精确的图像解释至关重要，因为这直接关系到患者预后。在本文中，我们提出了BrightVAE，这是一个基于分层向量量化变分自编码器（分层VAE）的架构，专为增强低光内镜图像的亮度而设计。本文的架构精心设计，用于应对内镜成像所特有的挑战，如照明变化显著且因光线不足而导致细节被遮挡。该模型强调从三个不同视角进行高级特征提取——整合 various 感受野、skip连接和特征注意力，以稳健地增强图像质量，支持更准确的医疗诊断。通过严格的实验分析，我们展示了这些技术在增强低光内镜图像方面的有效性。为了评估该架构的性能，我们在Endo4IE数据集上使用三个广为人知的指标——SSIM、PSNR和LPIPS——对其进行评估，该数据集仅包含内镜图像。我们使用Endo4IE数据集进行评估，并在内镜图像亮度增强方面超越了现有方法。