一种基于深度学习的全场图病理图像质量优化方法

本发明公开了一种基于深度学习的全场图病理图像质量优化方法，其特征在于，包括：图像预处理单元，扩展有限数据至不同倍率场景，提升模型的适用性；图像生成单元，使用轻量级UNet架构网络，用于在实际使用时将低分辨率或模糊图像恢复到高清图像；图像判别单元，在模型训练中监督图像生成单元，促进对语义信息的深度挖掘和学习；预训练视觉模型，提取高清图像的高级语义特征，促进生成单元对图像结构信息的深度学习。本发明的算法系统能够在保持高运行效率的同时，实现病理图像的超分辨率和去模糊，改善了超分去模糊算法的高效性和实时性，满足了临床实践和研究的需求，具有广泛的应用前景。