结合注意力与轴向卷积的荧光图像超分辨率方法

来源：计算机技术与发展杂志2025年第03期北京时间：

作者：陈博伦;周航;王铁军;杨昊

摘要：针对当前荧光显微图像超分辨率重建方法在非配对数据集上训练难度大及计算机资源消耗过高的问题,提出了一种新的解决方案———AxialAttention-SRNet,巧妙地融合了注意力机制与 3D 轴向卷积技术,旨在优化荧光显微图像的超分辨率处理。 AxialAttention-SRNet 的核心在于其超分辨网络模型,该模型以 CycleGAN 为主体,通过整合 3D 轴向卷积模块与 Unet 网络,有效捕捉图像轴向特征的同时,极大地降低了计算量。 此外,为了进一步提升图像重建的质量,在高分辨率鉴别器中引入了注意力模块,显著增强了鉴别器的判别能力,从而帮助模型从更多有效信息中学习。 在 Thy1-GFPM 和 MTC-EXM 等数据集上的实验充分验证了 AxialAttention-SRNet 的卓越性能。 该方法不仅生成的图像质量优异,而且模型复杂度相对较低,有效减轻了计算负担。 更重要的是,AxialAttention-SRNet 在真实数据上也表现出色,为荧光显微图像的超分辨率重建提供了一种高效且实用的新方法。

关键词：循环一致对抗生成网络;轴向卷积;注意力机制;图像生成;Unet