MedSR-Vision：面向多域医学图像超分辨的深度学习框架
计算机视觉与模式识别
2026-05-06 v1
摘要
医学图像超分辨 (MedSR) 是提升跨模态成像（包括 MRI、CT、X光、超声和 Fundus 成像）诊断精度的关键技术。尽管深度学习方法取得了快速进展，但在保持解剖学准确性、维持感知质量和跨医学域泛化方面仍面临挑战。本文提出了 MedSR-Vision，一个用于评估和比较五种成像模态（脑部 MRI、胸部 X光、肾脏超声、肾结石 CT 和脊柱 MRI）在 、、 放大倍率下的超分辨模型的统一深度学习框架。基准测试包括 SRCNN、SwinIR 和 Real-ESRGAN 三种代表性模型，采用多种量化指标衡量保真度、感知真实性和锐度。实验结果表明，Real-ESRGAN 在更高放大倍率下实现卓越的感知质量和边缘恢复，SwinIR 在保持结构和诊断特征方面表现突出，SRCNN 在较低放大倍率下提供高效稳定的性能。结果为临床成像工作流程中的模型选择提供了领域特定见解和实用指导，为未来医学图像超分辨研究和部署提供了标准化评估框架。
引用
@article{arxiv.2605.03343,
title = {MedSR-Vision: Deep Learning Framework for Multi-Domain Medical Image Super-Resolution},
author = {Subhash Gurappa and Trivikram Satharasi and Yashas Hariprasad and Sundararaj Sitharama Iyengar},
journal= {arXiv preprint arXiv:2605.03343},
year = {2026}
}