郑跃坤，葛明锋，常智敏，董文飞

（1.中国科学技术大学 生物医学工程学院(苏州)生命科学与医学部, 安徽 合肥 230026；2.中国科学院 苏州生物医学工程技术研究所, 江苏 苏州 215163）

1 引 言

结直肠癌是全球癌症发病率和死亡率排名居前的重大疾病之一，根据2020 年全球癌症统计报告，全球结直肠癌总体发病率达到9.7%左右，在各类恶性肿瘤的发病率中高居第三位[1]。大部分结直肠癌由结直肠腺瘤性息肉发展而来，因此，及早发现，并及时切除结直肠息肉特别是腺瘤性息肉，对预防和根治结直肠癌具有非常重要的临床意义。

目前，对结直肠息肉及恶性肿瘤的筛查主要借助于软性内窥镜技术。对于内窥镜图像，小病变的细节直接影响到临床专家对疾病的诊断，而软性内窥镜由于受硬件及特定环境下成像技术的限制，采集到的图像通常存在分辨率较低的问题。深度学习作为近年来兴起的一种“数据驱动”技术，在不同领域的应用越来越广泛[2-4]，利用超分辨率重建技术(Super Resolution, SR)，通过卷积神经网络将低分辨率(Low Resolution, LR)图像重建为高分辨率(High Resolution, HR)的图像，为提高图像分辨率提供了一种可行的替代方法。超分辨率重建在内窥镜图像处理上的应用吸引了不少科研人员进行研究。Gu[5]等人提出了一种结合了 Transformer 和 CNN (Convolutional Neural Networks)模型的内窥镜图像超分辨率重建算法，在对血管纹理的重建上取得了良好的效果。Yang[6]等人认为导致内窥镜图像质量下降的主要原因有运动模糊以及成像分辨率低两个原因，据此提出一种基于卷积神经网络的端到端的图像盲去模糊和超分辨率重建算法，在超分辨率任务上，采用基于Dense-Net、Res2Net 和分割通道的方法来提高网络性能。……