深度学习图像超分辨率重建：关键技术解析与前沿进展

于会昌; 刘士远

doi:10.11907/rjdk.241101

您当前的位置：

首页 >

文章列表页 >

深度学习图像超分辨率重建：关键技术解析与前沿进展

研究综述 | 更新时间：2025-02-26

- 深度学习图像超分辨率重建：关键技术解析与前沿进展
- Deep Learning Image Super-Resolution Reconstruction： Key Technology Analysis and Frontier Progress
- “图像超分辨率重建技术取得新进展，为提升图像质量和清晰度提供新方案。”
- 软件导刊 2025年24卷第2期页码：211-220
- 作者机构：
  
  1.上海理工大学健康科学与工程学院，上海 200093
  2.海军军医大学附属长征医院放射诊断科，上海 200003
- 作者简介：
  
  于会昌（1999-），男，上海理工大学健康科学与工程学院硕士研究生，研究方向为基于深度学习的磁共振图像优化重建
  刘士远（1964-），男，博士，中国人民解放军海军军医大学附属长征医院放射诊断科教授、博士生导师，研究方向为早期肺癌筛查与诊断、慢性阻塞性肺疾患的功能影像学、人工智能在医学影像学中的应用。
- 基金信息：
  
  国家自然科学基金项目(81930049)
- DOI：10.11907/rjdk.241101
  中图分类号： TP391
- 收稿日期：2024-02-18，
  
  纸质出版日期：2025-02-28
- 稿件说明：
移动端阅览
于会昌,刘士远.深度学习图像超分辨率重建：关键技术解析与前沿进展[J].软件导刊,2025,24(02):211-220.

YU Huichang,LIU Shiyuan.Deep Learning Image Super-Resolution Reconstruction： Key Technology Analysis and Frontier Progress[J].Software Guide,2025,24(02):211-220.
于会昌,刘士远.深度学习图像超分辨率重建：关键技术解析与前沿进展[J].软件导刊,2025,24(02):211-220. DOI： 10.11907/rjdk.241101.

YU Huichang,LIU Shiyuan.Deep Learning Image Super-Resolution Reconstruction： Key Technology Analysis and Frontier Progress[J].Software Guide,2025,24(02):211-220. DOI： 10.11907/rjdk.241101.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于特征融合的虚假招聘广告检测模型

基于可变形注意力的时空特征融合超分辨率方法

深度学习支持下的自适应学习路径推荐

面向电网行业的多模态心理评测算法

深度学习图像超分辨率重建：关键技术解析与前沿进展

Deep Learning Image Super-Resolution Reconstruction： Key Technology Analysis and Frontier Progress

DOI：10.11907/rjdk.241101