基于信息滤波的扩散 Transformer 用于医学图像超分辨率

《Information Processing & Management》：Information Filter-based Diffusion Transformer for medical image super-resolution

　　

•提出了一种基于信息滤波器的扩散网络，用于医疗图像超分辨率。
•引入稀疏引导、感知不确定性的噪声调制，用于区域自适应重建。
•设计了一种基于 Transformer 的信息滤波器，用于聚焦去噪。
•在多个医疗图像数据集上取得了最先进的性能。

引言

医疗图像超分辨率（SR）在临床应用，包括诊断、治疗计划和计算机辅助分析中引起了越来越多的关注（Manonmani and Malathi, 2026, Z. Wang et al., 2025, J. Wang et al., 2026, X. Wang et al., 2026）。高分辨率（HR）图像提供了更多详细的解剖结构和细微的病理信息，而这些信息在低分辨率（LR）扫描中可能会退化或被遮挡。然而，由于采集时间延长、硬件限制和患者不适，直接从磁共振成像（MRI）和计算机断层扫描（CT）等成像模态获取 HR 图像仍然具有挑战性。因此，计算 SR 技术已被广泛研究，以从 LR 观测中重建 HR 图像，提供一种在不增加额外采集成本的情况下提高图像质量的有效解决方案。近年来，基于深度学习的方法在医疗图像 SR 方面取得了显著进展。基于卷积神经网络（CNN）、生成对抗网络（GAN）和 Transformer 架构的方法在恢复高频细节和生成视觉逼真的纹理方面表现出了强大的能力。例如，Yu 等（2024）提出了一种具有小波能量熵约束的小波金字塔递归神经网络，通过增强层间特征传播和捕获局部结构细节来提高多分辨率 SR 性能。同样，Li 等（2024）开发了一种具有全局反馈驱动闭环架构的环形 MISR（CMISR）框架，通过迭代信息细化实现有效重建，特别是对于包含显著边缘和高对比度区域的图像。

最近，扩散模型已成为医疗图像 SR 的强大生成框架。现有的基于扩散的 SR 方法大致可分为两类。第一类专注于通过更好的采样策略或扩散调度来提高重建质量。例如，Jiang 等（2025）优化了扩散时间步调度，以在保持重建保真度的同时加速采样。第二类探索更强大的去噪架构，如基于 Transformer 的扩散模型，以增强全局依赖建模。Cheng 等（2025）引入了一种具有频率自适应时间步条件的扩散 Transformer，在医疗图像 SR 中取得了具有竞争力的性能。

然而，现有的基于扩散的方法在应用于医疗图像 SR 时仍面临挑战，因为在扩散和去噪过程中缺乏空间自适应机制。具体而言，大多数扩散模型应用空间均匀的噪声扰动和恢复策略，无论其潜在信息内容如何，同等对待所有像素。这种假设对于医疗图像来说不是最佳的，在医疗图像中，诊断相关结构通常是稀疏且空间异构的。例如，在 MRI 和 CT 图像中，重要的解剖区域通常集中在有限区域内，而大区域可能包含相对均匀的背景信息。如图 1 所示，只有小部分像素对结构和诊断信息有实质性贡献。如果不区分信息丰富和信息较少的区域，传统的扩散模型可能会低效地分配计算资源，并且无法对关键结构的重建提供足够的强调。因此，医疗图像 SR 的一个重要挑战是开发内容感知的扩散策略，能够自适应地优先考虑信息丰富的区域，从而提高重建保真度和计算效率。

此外，许多基于扩散的 SR 方法仍然依赖卷积架构进行噪声预测。虽然 CNN 能有效捕获局部模式，但其有限的感受野可能会限制长程解剖依赖的建模。基于 Transformer 的架构通过使图像令牌之间能够进行全局交互，提供了一种替代方案，这有利于保持医疗图像中的空间一致性。

为此，我们提出了一种基于信息滤波器的医疗图像 SR 网络（IFNet），如图 2 所示。IFNet 由两个主要组件组成：一个识别信息丰富区域的稀疏提取器，以及一个执行 SR 重建的信息稀疏引导扩散模块。具体而言，稀疏提取器生成一个稀疏掩膜以表征信息区域的空间分布，随后将其纳入扩散和去噪过程。在噪声扩散过程中，稀疏掩膜与不确定性估计模块相结合，生成自适应不确定性权重，根据局部信息密度实现区域感知噪声调制。在去噪过程中，我们引入了一种基于信息滤波器的扩散 Transformer（IF-DiT）进行噪声预测，它利用稀疏掩膜在注意力计算期间强调信息丰富区域，并减少不必要的计算冗余。此外，我们设计了一个专门的感知稀疏损失函数来优化稀疏掩膜生成，促进更准确地识别信息丰富的区域。这种设计灵感来自于观察结果，即医疗图像解释通常需要关注信息丰富的解剖区域，而不是同等对待所有像素。通过引入感知信息的重建，IFNet 旨在将计算资源分配给具有更高结构复杂度和信息密度的区域。大量实验表明，与代表性的医疗和自然图像 SR 方法相比，IFNet 实现了优越的重建性能。

本研究的目标是开发一种用于医疗图像超分辨率的区域感知框架。现有的基于扩散的 SR 方法通常同等对待所有图像区域。这可能会在重建过程中削弱重要的解剖细节。为了解决这个问题，我们设计了一种扩散模型，用于识别信息丰富的区域并将重建集中在这些区域。通过这种方式，所提出的方法提高了重建质量和计算效率。本文的主要贡献总结如下：
•我们提出了 IFNet，一种基于信息滤波器的医疗图像 SR 框架，与现有方法相比实现了优越的重建性能。
•我们引入了一种信息稀疏引导的扩散机制，该机制基于稀疏掩膜结合感知不确定性的噪声调制，能够根据区域信息特征实现自适应重建。
•我们开发了 IF-DiT，一种基于 Transformer 的去噪架构，它选择性地专注于信息密集区域，提高了重建质量和计算效率。

章节片段

图像超分辨率
医疗图像超分辨率（SR）已成为一个至关重要的研究领域，旨在提高空间分辨率以增强诊断精度并促进分割和检测等下游任务（Y. Chen et al., 2025, Emmanuel et al., 2026, Li et al., 2026, Liu et al., 2024, Yan et al., 2025, Zhao et al., 2024）。现有的 SR 方法大致可分为四类方法论：(1) 基于插值的方法。传统的 SR 技术如最近邻，

预备知识
扩散建模的迭代生成范式已证明在捕获复杂分布方面非常有效。ResShift（Yue et al., 2023）中使用的一种残差采样架构也被证明在图像超分辨率领域有效。因此在本工作中，残差采样架构被用作我们的基线。ResShift 将 LR 信息???∈?^(H_l×W_l×C) 与初始状态??_T∈?^(H_l×W_l×C) 结合，提出了一种新的先验分布：??_T～??(??_T|???,κ2??_T??)

数据集与预处理
(1) IXI 数据集。本研究中使用最大的数据集是 IXI 数据集，包含从健康个体收集的 600 个受试者的脑部 MRI 扫描。每次扫描包括四种成像模态：T1 加权（T1）、T2 加权（T2）、质子密度（PD）和磁共振血管造影（MRA）。每种模态由大约 120 个轴向切片组成，空间分辨率为 256 × 256 像素。为防止因强...导致的潜在数据泄露

讨论与意义
结果表明 IFNet 始终优于现有的医疗图像 SR 方法，主要归功于其融入扩散过程的区域感知引导机制。与传统基于扩散的 SR 方法在整个图像上应用均匀扰动和恢复策略不同，IFNet 考虑了医疗图像中信息的稀疏和异构分布。这种设计使模型能够更好地保留高价值的结构细节

结论
本文提出了 IFNet，一种用于医疗图像超分辨率的基于信息滤波器的扩散框架。通过利用图像稀疏性和不确定性估计，IFNet 在扩散过程中引入了自适应的区域感知引导，能够更有效地重建信息丰富的结构。此外，提出的 IF-DiT 通过将注意力引向信息丰富的区域并减少冗余特征建模，提高了计算效率。大量实验

CRediT 作者贡献声明
Haotian Lu：写作 – 初稿，验证，方法论，调查，概念化。Xinjian Wei：验证，方法论，调查，概念化。Desheng Kong：验证，调查，概念化。Jing Xu：写作 – 回顾与编辑，监督，资源，项目管理。Frank Jiang：监督，资源，方法论，资金获取。

竞争性利益声明
作者声明他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能被认为影响了本论文中报告的工作。

致谢
本研究得到了天津市科技重大项目的支持，项目编号为 24ZXZSSS00420。

Haotian Lu|Xinjian Wei|Desheng Kong|Jing Xu|Frank Jiang