.png){kind=icon}
返回
Sparse Attention Diffusion Model for Pathological Micrograph Deblurring
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-04546-1_23.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
病理显微图像在诊断中扮演着关键角色，尤其是在癌症筛查和病理分析方面。然而，图像采集过程中的光照不足或聚焦误差等因素常导致模糊，从而影响诊断的准确性和效率。本文提出了一种基于扩散的显微病理图像去模糊高效模型，命名为PDDiff。在PDDiff中，图像去模糊过程由通过多尺度方法和改进的扩散模型生成的低维潜在特征表示进行引导。此外，我们设计了目标多头稀疏注意力模块和邻域前馈网络，以高效去除模糊并增强细节恢复。同时，我们提出了一种轻量级去噪扩散隐式模型，通过采用轻量级编码器结构和高效的扩散过程，显著提升了计算效率。在多个数据集上的广泛实验表明，我们的方法优于现有最先进技术，在Landing数据集上达到37.32 dB PSNR和0.9703 SSIM，在CRC-VAL-HE-7K数据集上达到39.44 dB PSNR和0.9891 SSIM，为病理图像去模糊提供了稳健且高效的解决方案，并拓展了扩散模型在医学成像中的应用。
Keyword:
Deblurring
Diffusion Model
Pathological Micrographs
Sparse Attention
期刊
A
IF:
0
论文数:
42
被引数:
0
机构
引用论文
Advancements in Image Restoration TechniquesRastogi, R.; Rawat, V.; Kaushal, S. 基于GAN的图像修复技术进展：全面综述与分析。载于《生成式人工智能与伦理：标准、指南与最佳实践》；IGI Global出版社：美国宾夕法尼亚州赫谢伊，2025年；第53–90页。[Google Scholar][CrossRef]
.png){kind=icon}
PREAI
分享收藏
Deep-blur: Blind identification and deblurring with convolutional neural networksDeep-blur: 基于卷积神经网络的盲识别与去模糊
OAAI
OAAI分享收藏
查看更多内容