基于带通道注意力的拉普拉斯自编码器的新型多模态医学图像融合
图像与视频处理
2023-10-19 v1 计算机视觉与模式识别
机器学习
摘要
医学图像融合结合多模态医学图像的互补信息，以辅助医疗专业人员进行患者疾病的临床诊断，并在术前和术中过程中提供指导。深度学习（DL）模型已实现端到端的图像融合，具有高度鲁棒和准确的融合性能。然而，大多数基于 DL 的融合模型对输入图像进行下采样，以最小化可学习参数数量和计算量。在此过程中，源图像的显著特征变得不可恢复，导致关键诊断边缘细节和各种脑组织的对比度丢失。在本文中，我们提出了一种基于集成拉普拉斯-高斯拼接与注意力池化（LGCA）的新型多模态医学图像融合模型。我们证明我们的模型有效保留了互补信息和重要的组织结构。
引用
@article{arxiv.2310.11896,
title = {A New Multimodal Medical Image Fusion based on Laplacian Autoencoder with Channel Attention},
author = {Payal Wankhede and Manisha Das and Deep Gupta and Petia Radeva and Ashwini M Bakde},
journal= {arXiv preprint arXiv:2310.11896},
year = {2023}
}
备注
10 pages, 6 figures, % tables