摘要
医学影像采集设备易因呼吸运动和患者移动导致图像模糊。尽管此类运动模糊对盲反卷积去模糊任务具有显著影响，但医学图像去模糊研究仍处于相对薄弱阶段。本研究提出一种端到端的尺度递归深度网络，用于从多模态医学图像中学习去模糊过程。所提出的网络引入了一种新型的残差密集块，结合空间非对称注意力机制，在学习医学图像去模糊的同时有效恢复关键信息。所提方法在多个方面进行了全面评估，并与现有去模糊方法进行了系统比较。实验结果表明，该方法能够有效去除医学图像中的模糊，且不引入视觉上令人不适的伪影。此外，在定性和定量评价中，该方法均显著优于现有的深度去模糊方法。通过将其集成到多种医学图像分析任务（如分割与检测）中，进一步验证了该方法的适用性。所提出的去模糊方法可通过消除模糊输入，显著提升相关医学图像分析任务的处理效率与性能。