基于退化引导的生成对抗网络 DGGAN 用于实时结肠内视频增强

结肠内手术依赖内镜视频，图像质量是手术安全和有效性的决定性因素。然而，结肠内视频常受到光照不均、组织散射、遮挡和运动模糊等因素的影响，这遮盖了关键解剖细节， complicate 手术操作。虽然深度学习方法在图像增强方面显示出前景，但大多数现有方法对实时手术用途计算要求太高。为解决这一挑战，我们提出一种基于退化表示的结肠内视频增强框架，通过跨帧传递退化表示实现实时高质量增强。在我们的框架中，首先使用对比学习从图像中提取退化表示。随后，我们引入一种融合机制，将这些表示调制到图像特征中，以指导单帧增强模型，该模型以退化图像与恢复图像之间的循环一致性约束进行训练，以提高鲁棒性和泛化性。实验表明，我们的框架在性能和效率之间实现了优于几种最新方法的优越平衡。这些结果凸显了基于退化建模的实时结肠内视频增强的有效性。尽管如此，我们的方法表明，隐式学习和传递退化表示为临床应用提供了一条实用的道路。