CWT-Net：基于跨尺度小波变换的组织病理图像超分辨率
图像与视频处理
2025-11-14 v1 人工智能
计算机视觉与模式识别
摘要
超分辨率 (SR)旨在提高低分辨率图像的质量，已在医学成像中广泛应用。我们发现，大多数现有方法的设计原则受现实世界图像基于SR任务的影响，未充分考虑病理图像中多层次结构的重要性，尽管它们能够实现令人满意的客观指标评估。在本工作中，我们深入研究了两种超分辨率工作范式，提出一种新型网络称为CWT-Net，该网络利用跨尺度图像小波变换和Transformer架构。我们的网络包含两个分支：一个专注于学习超分辨率，另一个专注于高频小波特征。为了生成高分辨率组织病理图像，Transformer模块在各个阶段共享并融合来自两个分支的特征。值得注意的是，我们设计了一种专门的小波重建模块，有效增强小波域特征，使网络能够以不同模式运行，从而允许引入来自跨尺度图像的额外相关信息。我们的实验结果表明，该模型在性能和可视化评估方面显著优于最先进的方法，能够大幅提升图像诊断网络的准确率。
关键词
引用
@article{arxiv.2409.07092,
title = {CWT-Net: Super-resolution of Histopathology Images Using a Cross-scale Wavelet-based Transformer},
author = {Feiyang Jia and Zhineng Chen and Ziying Song and Lin Liu and Caiyan Jia},
journal= {arXiv preprint arXiv:2409.07092},
year = {2025}
}