Deep Fusion and Residual Attention for NIR Imaging

NIR 이미징을 위한 Deep Fusion 및 Residual Attention

개요: 이 저장소에는 의료 영상을 향상시키도록 설계된 고급 딥 러닝 모델의 구현이 포함되어 있습니다. 이 프로젝트는 이미지 재구성의 정확성과 효율성을 향상시키기 위해 융합 및 잔여 주의 메커니즘을 갖춘 심층 컨벌루션 신경망의 통합에 중점을 두고 있습니다.

주요 기능: 1-듀얼 입력 처리: 두 가지 LED 소스의 NIR 반사율 데이터를 활용하여 포괄적인 기능 캡처를 보장합니다. 2-Residual Attention Mechanism: 잔여 주의 프레임워크 내에 압착 및 흥분 블록을 통합하여 기능 중요성을 동적으로 향상시킵니다. 3-Deep Fusion 전략: 이중 입력에서 추출된 특징을 효과적으로 결합하는 융합 레이어를 사용하여 이미지 재구성 프로세스를 최적화합니다. 4-고급 성능 지표: RMSE(제곱 평균 오차), MAE(평균 절대 오차), PSNR(피크 신호 ​​대 잡음비)과 같은 지표를 구현하여 모델 성능을 평가합니다.

모델 아키텍처: 모델 아키텍처는 NIR 데이터의 복잡성을 처리하는 데 중점을 두고 설계되었습니다. 1차원 반사율 데이터를 처리하도록 맞춤화된 컨벌루션 레이어를 사용하고, 최종 이미지 출력을 재구성하기 전에 일련의 주의력 강화 컨벌루션 레이어를 통해 이를 변환합니다. 이 아키텍처는 정확한 진단에 중요한 이미지의 미묘한 특징을 감지하는 기능을 강조합니다.