技术特征：
1.一种大鼠踝骨骨折micro-ct图像的超分辨率重建装置，其特征在于，包括：(1)大鼠踝骨图像预处理模块，用于对经过踝骨骨折造模的大鼠胫骨至踝骨分别进行高分辨率和低分辨率的扫描，得到高分辨率图像hr及相对应的低分辨率图像lr，两者的分辨率相差8倍。(2)配置hr-lr图像对模块，用于得到基于res2net的残差通道注意力模型的训练数据，方法如下：应用特征检测算法检测特征点，并对同一扫描位置的lr和hr图像进行特征点匹配；通过两组特征点对lr图像进行旋转使lr图像和hr图像处于同一方向，并以特征点为中心分别剪裁得到hr和lr图像的子图像，制作hr-lr图像对；(3)基于res2net的残差通道注意力的深度模型模块，包括浅层特征提取层，深层特征提取层和特征上采样层：浅层特征提取层为一个3
×
3的卷积层，将lr图像输入到浅层特征提取层得到浅层特征图f0；深层特征提取层由两部分组成，分别是基于通道注意力的rcab-group和基于res2net的res2-group；其中rcab-group由10个rcab搭配短跳跃连接组成；res2-group以res2net为基础，串联5个res2block搭配短跳跃连接防止模型训练出现过拟合；浅层特征图f0通过第一个rcab-group得到特征图f1；特征图f1经过第一个res2-group得到特征图f2，特征图f2再通过第二个rcab-group得到特征图f2；特征图f2再经过第二个res2-group得到特征图f3，依次类推，总共经过五次这样的交替串联搭配长跳跃连接，最终得到的特征图f
10
；所述的浅层特征图f0通过第一个rcab-group得到特征图f1的方法如下：浅层特征图f0依次进入10个rcab，当浅层特征图f0进入第一rcab时，经过一个3
×
3的卷积、relu激活函数和一个3
×
3的卷积得到特征图x
0,1
，然后将特征图x
0,1
输入通道注意力机制层中，由全局平均池化层将特征图x
0,1
压缩为1
×
1的向量，再将向量经过一个1
×
1的卷积层和relu激活函数实现降低通道数，再通过一个1
×
1的卷积层和sigmoid激活函数产生注意力的权重对位相乘输入的特征图x
0,1
得到新的特征图f
0,1
；特征图f
0,1
再依次经过第二个到第十个rcab处理，得到通过第一个rcab-group的特征图f1；所述的特征图f1经过第一个res2-group得到特征图f2的方法如下：将特征图f1依次进入5个res2block，当进入第一个res2block后，特征图f1通过一个1
×
1的卷积层，并将特征图f1分为4块子特征图x
i
，其中i取1到4；每个子特征图通道数为特征图f1的1/4；其中子特征图x1不经过卷积处理直接得到子特征图y1；子特征图x2经过一个3
×
3的卷积得到子特征图y2；子特征图x3与上一个子特征图结果y2相加再通过一个3
×
3的卷积得到子特征图y3；子特征图x4与上一个子特征图结果y3相加再通过一个3
×
3的卷积得到子特征图y4；通过上述操作不断增大感受野获取四个多尺度的子特征图：y1、y2、y3、y4；融合四个多尺度的子特征图y1、y2、y3、y4，得到经过第一个res2-group的输出结果；再依次通过4个同样的res2block，得到特征图f2；特征上采样层，由一个亚像素卷积层对最终得到的特征图f
10
进行上采样，将最初的输入图像的分辨率扩到为原来的8倍；之后由一个3
×
3的卷积层将特征图的通道数压缩为3通道的最终图像；(4)图像超分辨率重建模块，用于将lr图像重建为hr图像，从而获得大鼠踝骨骨折micro-ct图像的超分辨率重建图像。
2.根据权利要求1所述的超分辨率重建装置，其特征在于，应用akaza特征检测算法检测特征点，并应用brute-force算法对同一扫描位置的lr和hr图像进行特征点匹配。
技术总结
本发明涉及一种大鼠踝骨骨折Micro-CT图像的超分辨率重建装置，包括大鼠踝骨图像预处理模块，用于对经过踝骨骨折造模的大鼠胫骨至踝骨分别进行高分辨率和低分辨率的扫描，得到高分辨率图像HR及相对应的低分辨率图像LR；)配置HR-LR图像对模块，用于得到基于Res2Net的残差通道注意力模型的训练数据；基于Res2Net的残差通道注意力的深度模型模块，包括浅层特征提取层，深层特征提取层和特征上采样层；图像超分辨率重建模块。像超分辨率重建模块。像超分辨率重建模块。
技术研发人员：余辉 王硕 汪光普 孙敬来 李金秋 王植 孟祥虹
受保护的技术使用者：天津大学
技术研发日：2022.03.24
技术公布日：2022/8/5