查看更多>>摘要：目的 在食管病变的筛查中,卢戈染色内镜(Lugol's chromo endoscopy,LCE)因其良好的病变可视性、诊断准确性以及低廉的检查成本在消化内科检查中独具优势.然而,在采集LCE食管内镜图像时,由于内窥镜内置光源的限制,光照的方向和角度有限,导致图像出现光照不均匀、对比度低等问题.方法 针对这一问题,本文在Ret-inexDIP算法基础上,提出了用于生成图像分量的生成器网络(stable generating network,SgNet).该网络采用编码—解码结构,通过本文提出的通道调整模块(channel attention adjustment module,CAAM)使得上下采样过程中对应的特征通道权重保持一致,以增强网络稳定性,进而提升生成图像的质量.同时提出了一种新的颜色模型——"固定比例、独立亮度"模型(fixed proportion light,FPL),该模型将图像的亮度信息和颜色比例信息独立表示出来,图像的光照增强过程只在亮度通道上进行调整,从而保证LCE食管内镜图像的整体色彩信息不紊乱.结果 在自建的LCE低光图像数据集上测试本文算法的有效性,与多种主流低光图像增强算法进行视觉效果和客观指标评价比较.结果 显示本文所提算法在颜色保真、对比度提升以及降低噪声干扰等方面具有优势,在自然图像质量评估器(natu-ral image quality evaluator,NIQE)和盲/无参考空间图像质量评估器(blind/referenceless image spatial quality evaluator,BRISQUE)指标上均表现出色.结论 综合来看,本文算法在增强LCE食管内镜图像亮度的同时,有效地保持了图像的色彩和纹理细节信息,可以帮助医生更清晰地观察病灶组织结构和细节,提升诊断准确率,并为后续病灶智能检测提供了优质的图像数据.
NETL
NSTL
万方数据