一种基于多层级注意力引导的医学图像超分辨率重建方法

本发明公开了一种基于多层级注意力引导的医学图像超分辨率重建方法，该方法包括以下步骤：S10：构建基于生成对抗网络架构的深度学习网络模型，包含生成器和判别器；生成器基于改进的U‑Net架构，其编码器和解码器内部配置有层次化注意力模块和双路径特征处理模块，前者依据网络层级采用不同注意力策略以兼顾结构与纹理，后者分离处理低频与高频信息；生成器还包含多层级特征融合模块以整合解码器多尺度特征，及注意力引导上采样模块进行最终增强与升维；判别器采用谱归一化U‑Net架构并利用多尺度特征匹配；S20：采用包含像素、对抗、感知和总变差损失的复合损失函数训练网络模型；S30：将低分辨率图像输入训练好的模型，输出高分辨率图像。本发明方法通过深度融合多层级注意力与多尺度特征处理，能够显著提高图像恢复质量，增强纹理细节清晰度，保证解剖结构准确性，并提升噪声鲁棒性。