MedDeblur : Débrouillage d'images médicales par attention spatiale asymétrique à densité résiduelle

Les dispositifs d’acquisition d’images médicales sont sujets à produire des images floues en raison des mouvements respiratoires et du patient. Malgré leur impact significatif sur le déflouage aveugle causé par le mouvement, les méthodes de déflouage d’images médicales restent encore peu explorées. Cette étude propose un réseau profond à récurrence d’échelle, conçu de manière end-to-end, afin d’apprendre le déflouage à partir d’images médicales multimodales. Le réseau proposé intègre un nouveau bloc résiduel dense doté d’un mécanisme d’attention spatiale asymétrique, permettant de préserver les informations saillantes tout en apprenant le déflouage d’images médicales. La performance de la méthode proposée a été évaluée de manière approfondie et comparée aux méthodes existantes de déflouage. Les résultats expérimentaux démontrent que la méthode proposée parvient à éliminer le flou des images médicales sans introduire d’artefacts visuellement perturbants. En outre, elle surpasse nettement les méthodes profondes de déflouage, tant sur le plan qualitatif que quantitatif. L’applicabilité de la méthode a également été validée en l’intégrant à diverses tâches d’analyse d’images médicales, telles que la segmentation et la détection. Le déflouage proposé accélère ainsi les performances de ces tâches d’analyse d’images médicales en éliminant le flou des entrées floues.