本发明涉及医学影像处理技术领域，公开了一种肺部CT图像超分辨率重建的大核分解注意力网络。本发明提出一种新颖的多尺度大核分解注意力(MLDA)，结合多尺度策略与大核分解注意力(LDA)来捕获肺部CT图像中多种结构组织的细节特征。同时，本发明的LDA避免了大核分解中使用膨胀卷积导致的块状伪影。此外，MLDA提供了三种不同大小的感受野，使其能够灵活应对从微型组织到大型肺部解剖结构的多粒度特征提取。本发明将MLDA作为Token Mixer集成到MetaFormer架构，不仅能捕捉局部肺部解剖结构细节，还能提升整体图像的恢复质量。相比传统的卷积神经网络，MetaFormer架构和MLDA的结合使模型能够同时建模局部特征与远程依赖关系，并保持良好的计算量。