X光超分辨不再借自然图像的眼睛：换掉VGG感知损失，ESRGAN的PSNR从22.21升到34.04 dB
核心概要
医学X光超分辨长期沿用为自然图像设计的VGG感知损失，重建出的结构容易偏离解剖形态。一种名为USELoss的域感知损失把VGG特征换成轻量U-Net编码器的多尺度特征，并加入Sobel边缘约束，在ESRGAN与HAT两类架构上统一使用同一套损失权重。在PadChest胸片测试集上，ESRGAN的PSNR由22.21 dB升至34.04 dB，SSIM由0.5545升至0.9160，边缘误差约降46%。
深度剖析
医学X光超分辨的瓶颈被定位到损失函数而非网络结构：同一套域感知损失可以同时装在GAN类与Transformer类超分模型上，并让原本表现最差的ESRGAN回到与其他模型相当的水平。 按自然图像惯例训练的ESRGAN使用VGG感知损失时，在胸片上PSNR只有22.21 dB、SSIM只有0.5545，明显低于SRGAN、HAT等对照模型。 在PadChest胸片的500张训练、100张留出测试图像上，ESRGAN换上USELoss后PSNR升至34.04 dB、SSIM升至0.9160，PSNR提升超过50%。
USELoss由三部分约束组成：像素损失管强度一致，U-Net编码器提供的多尺度特征管解剖结构，Sobel边缘损失管边界梯度，GAN模型另保留一个权重很低的对抗项。 此前的感知损失依赖在ImageNet上训练的VGG网络，其特征偏向纹理与语义内容，与X光片看重的结构连续性和边缘精度不一致。 U-Net编码器约7.5M参数，对比VGG19约143M参数；ESRGAN与HAT变体使用完全相同的损失分量与权重(0.5, 1.0, 0.5, 0.005)，对抗项只加在ESRGAN上。
边缘监督对两类架构都有效，但收益幅度不同：GAN类模型主要靠它压掉虚假边缘，Transformer类模型则在原本较好的边界上再收紧一点。 标准ESRGAN的边缘差异在全部模型中最大，说明对抗训练在没有域约束时会生成过多伪边缘和边界畸变。 ESRGAN加入USELoss后边缘误差约降46%；HAT_USELoss取得全部模型中最低的边缘总和700,866与边缘均值13.97，相对基线HAT约降5.5%。
启示与展望
结论建立在PadChest单一胸片数据集上，共600张图像，按图像级划分为500张训练与100张测试，测试集未参与模型选择或调参。低分辨率输入由双三次下采样按4倍比例生成，高分辨率参考经Lanczos插值缩放到224×224。评价覆盖PSNR、SSIM、MS-SSIM、MAE、MSE、RMSE、LPIPS、VIF、FSIM、NCC、UQI、SNR以及Sobel边缘差异，均以留出测试集上的均值±标准差给出。U-Net编码器只在训练时使用，边缘计算开销轻，因此推理效率与基线模型相当。后续计划把方法扩展到CT、MRI等更多数据集与模态，并通过放射科医生研究开展临床验证。
标准ESRGAN在胸片上的明显退化被归因于VGG特征偏向自然图像的纹理与语义，这一解释来自指标与可视化的一致性，而非单独的消融实验。HAT_USELoss的SSIM最高，但MS-SSIM最高的是基线HAT，说明跨尺度一致性并未随损失替换而同步提升。方法目前只在双三次退化下评估，尚未覆盖真实采集伪影，也缺少临床读数验证。