基于深度学习的喉部结构与细节高分辨图像增强方法

本发明涉及图像增强技术领域，具体地说，涉及基于深度学习的喉部结构与细节高分辨图像增强方法。其包括以下步骤：采集喉内窥镜的低分辨率图像及对应的喉部三维影像数据；基于ResNet模型从低分辨率图像中提取特征，利用3D‑ResNet模型从三维影像数据中提取特征，在3D‑ResNet模型中构建正弦周期调制的时变权重矩阵，使图像增强过程能够实时感知喉部的生理运动状态，并利用跨尺度特征金字塔技术将提取的特征进行融合；利用结合了亚像素卷积层的U‑Net++模型，对已经过特征融合处理的图像进行超分辨重建。本发明设计通过引入解剖注意力模块与动态感受野调整技术，能够针对性地增强临床关键区域（如声带游离缘、前联合区等）的特征。