双流解码器辅助配准算法

摘要

为解决当前医学图像配准算法普遍存在的精度不足的问题，设计了基于金字塔结构的双流解码器辅助配准算法。该算法将卷积神经网络的局部依赖特性与注意力机制的全局依赖建模能力相结合，通过独特的双流解码器设计，实现对核磁共振脑图像的逐级精细配准。与传统将待配准图像简单拼接后处理的方法相比，其巧妙结合了交叉注意力计算和通道维度拼接两种特征融合方式的优势，能识别多种变形模式并筛选出合适的变形场，同时在保证性能的前提下最大限度地减少计算量。为验证算法的有效性，在2个3D脑部MRI(Magnetic Resonance Imaging)数据集LPBA(LONI Probabilistic Brain Atlas)和Mindboggle上进行了综合实验。实验结果表明，与常用配准算法相比，该方法在多个评估指标上实现了最先进的性能，充分展示了模型在可变形医学图像配准中的强大能力与应用潜力。

关键词

可变形图像配准 / 卷积神经网络 / 注意力机制 / 金字塔结构