随着医疗技术水平的不断提升,医学成像技术也得到了大力发展。常用的医学成像技术包括心血管造影、电子计算机断层扫描、正电子发射型计算机断层扫描和核磁共振成像等。其中核磁共振成像技术,因其无辐射、参数多、检查部位广等优点,被广泛应用于临床。然而,受高精度设备价格昂贵、扫描噪声干扰大等因素影响,核磁成像质量往往参差不齐,从而影响医生进行精准的临床诊断。因此,提升核磁影像质量在医学研究和临床诊断上具有重要意义。核磁影像的超分辨近年来已成为医学影像领域的研究热点之一,但目前的超分辨方法通常仅使用单一模型来处理图像中的高频和低频信息,如图像中的纹理信息和空间结构信息等,某层网络只能根据前一层网络的输出来恢复相关信息。这种方式普遍存在着无法恢复特定频率信息且无法有效融合邻近频率信息的问题。为此,本文提出了一种多注意力机制下层级融合的核磁影像超分辨方法,利用分层学习策略和一种层级间的递归融合方式来构建超分辨网络框架,并在此基础上引入了多注意力机制以进一步提升核磁影像的质量。主要工作如下:首先,针对影像内容中不同频率信息与模型适配度不同的情况,提出一种分层学习策略。该策略将不同频率的信息分别抽离出来,根据不同频率信息与模型复杂度的相关性,使用低层级频率专注模块恢复低频信息、高层级频率专注模块恢复高频信息,解决了目前方法存在的信息过度恢复、欠恢复问题。其次,基于信息间关联性与信息频率相关度较高的特点,设计了一种层级间递归融合的网络框架,将不同频率的信息按关联度进行恢复,对低层级与高层级频率专注模块提取出的信息分别进行整合,从而使影像在恢复过程中优先融合邻近频率的关联信息,有效地解决了邻近频率信息关联度不强的问题。最后,在分层学习策略和层级间递归融合网络框架的基础上,提出了一种多注意力下层级融合的核磁影像超分辨网络。该网络使用通道空间整合注意力模块对特征图中各通道和位置的特征信息进行学习,同时引入层级注意力模块来调节各层之间特征的相关性,进一步提升了核磁影像超分辨的图像质量。实验结果表明,本文提出的多注意力机制下的核磁影像超分辨网络,充分利用了影像不同频率的信息,对于医学影像有着更好的适应性,能够有效的提升影像的超分辨质量。与传统方法以及基于深度学习的超分辨方法相比,本方法在主观观察以及各项客观指标的评价上均有着更好的性能表现,为核磁影像质量提升提供了一种有效的思路。