从方向先验学习放射图像超分辨率：方向算子Transformer

背景与目的：高分辨率放射图像在骨骼肌肉相关疾病的早期诊断和治疗中起着关键作用。将单图像超分辨率（SISR）模型引入放射图像领域有望提升图像质量。然而，传统的图像处理流程从颜色空间和像素间模式中学习超分辨率与去噪的混合映射，这对模式特征有限的放射图像构成了特殊挑战。为解决此问题，本文提出了一种新方法：方向算子Transformer——O²former。方法：我们在编码器中引入方向算子，以增强对去噪映射的敏感性并整合方向先验。此外，我们提出了一种多尺度特征融合策略，将不同感受野捕获的特征与方向先验相结合，从而为解码器提供更有效的潜在表示。基于这些创新组件，我们提出了一种基于Transformer的SISR模型，即O²former，专门针对放射图像设计。结果：实验结果表明，在×4上采样因子下，我们的方法在客观指标上相比竞争对手取得了最佳或次佳性能。在定性方面，观察到更多客观细节被恢复。结论：在本研究中，我们提出了一种名为O²former的放射图像超分辨率新框架，通过引入方向算子和多尺度特征融合策略提升了重建模型的性能。我们的方法有望进一步推动放射图像增强领域的发展。