143、超分在医疗影像中的应用：从CT到MRI的分辨率提升
一、一个让我失眠的CT图像
上周三凌晨两点，我盯着屏幕上那张模糊的肺部CT，差点把咖啡泼在键盘上。患者是位60岁的老人，CT扫描显示右肺下叶有个可疑结节，但分辨率太低——3mm层厚、512×512矩阵，边缘像被橡皮擦抹过一样。放射科医生在群里@我三次：“能不能用超分救一下？这结节边界看不清，没法判断良恶性。”
我当时的反应是：超分在自然图像上跑得挺欢，但医疗影像？这玩意儿的信噪比、伪影、解剖结构保真度，哪个都不是闹着玩的。更麻烦的是，CT和MRI的成像机理完全不同——CT是X射线衰减系数重建，MRI是射频信号在磁场中的弛豫过程。你用同一个超分模型去处理？大概率会翻车。
二、CT超分：别把噪声当细节
CT图像有个“原罪”：低剂量扫描带来的噪声。为了减少辐射，医院现在普遍用低剂量CT，结果就是图像像撒了盐——颗粒感重，边缘模糊。我最早试过EDSR（Enhanced Deep Super-Resolution Networks），在DIV2K上表现不错，但直接迁移到CT上，模型把噪声当成了纹理细节，输出图像看起来“清晰”了，但放射科医生一看就骂：“这肺纹理是假的！”
这里踩过坑：CT图像的超分不能只看PSNR（峰值信噪比），得关注结构相似性（SSIM）和噪声抑制。我后来改用了一个trick：在训练前对CT图像做自适应非局部均值滤波（Adaptive Non-Local Means），把噪声水平降到合理范围。代码
