基于注意力的多尺度特征学习网络用于多模态医学图像融合
计算机视觉与模式识别
2022-12-12 v1
摘要
医学图像在临床应用中起着重要作用。多模态医学图像能够为医生诊断提供关于患者的丰富信息。图像融合技术能够将多模态图像中的互补信息合成到单幅图像中。该技术可避免放射科医生在不同图像之间来回切换，并节省诊断过程中的大量时间。本文提出了一种用于医学图像融合任务的新型膨胀残差注意力网络（Dilated Residual Attention Network）。我们的网络能够提取多尺度深度语义特征。此外，我们提出了一种基于 Softmax 权重与矩阵核范数的新型固定融合策略，称为基于 Softmax 的加权策略（Softmax-based weighted strategy）。大量实验表明，与常用的四种融合指标上的参考图像融合方法相比，我们提出的网络与融合策略超越了当前最优（SOTA）性能。
引用
@article{arxiv.2212.04661,
title = {An Attention-based Multi-Scale Feature Learning Network for Multimodal Medical Image Fusion},
author = {Meng Zhou and Xiaolan Xu and Yuxuan Zhang},
journal= {arXiv preprint arXiv:2212.04661},
year = {2022}
}
备注
8 pages, 8 figures, 3 tables