傅里叶神经算子在医学图像配准中的应用研究

摘要

医学图像配准在医学图像分析领域扮演着至关重要的角色.众多学者已经在医学图像配准方面展开深度学习技术的算法研究，以取得比传统方法更好的性能.然而，绝大多数算法更专注于图像的空域信息，忽视了频域信息的潜在作用.本文提出了一种基于傅里叶神经算子(Fourier Neural Operator, FNO)的算法，利用傅里叶变换将图像转化到频域空间，在频域空间内学习图像特征，结合空域和频域的信息，利用深度网络模型能更全面地提取图像的各种特征.该算法经在ACDC和OASIS两个数据集上进行验证，均能够在保证配准速度的前提下，得到很好的配准效果.同时，本文对FNO模块进行了详细评估.

关键词

医学图像配准 / 神经算子 / 深度学习 / 无监督学习

基金资助

浙江省重点研发计划项目(2020C03073)资助