换一批摘要针对医学图像融合细节信息缺失、目标边界模糊以及结构层次不清晰等问题,本文提出了一种全尺寸扩散模型的自适应特征医学图像融合网络.首先,利用基于核的显著图生成区域级特征图,以增强图像的局部特征和边界细节;随后,通过全尺寸扩散特征提取网络进行全局特征提取,并设计了多尺度去噪U型网络,充分提取跨层信息,再引入多尺度特征集成模块,增强编码器抽样的纹理细节和结构信息;最后,通过自适应融合规则将区域级特征图、全局特征图和源图像进行逐层次融合,增强细节信息保留.为验证方法的有效性,本文将所提模型在公开的哈佛(Harvard)数据集和腹部数据集上进行了验证,通过与其他九种代表性的图像融合方法对比,本文方法在七项评价指标上均有不同幅度的提升.研究结果说明,本文方法能充分提取医学图像的全局与局部特征,增强纹理细节和目标边界清晰度,生成对比度高且信息丰富的融合图像,为后续临床诊断提供更可靠的支持.
更多相关知识
关键词
医学图像融合全尺寸扩散模型多尺度去噪U型网络多尺度特征集成模块自适应融合规则Medical image fusionFull-scale diffusion modelMulti-scale denoising U-networkMultiscale feature integration moduleAdaptive fusion rules
栏目名称
DOI
10.7507/1001-5515.202412050
发布时间
2025-11-18（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
