CAR-Net：用于联合配准与结构学习的无监督协同注意力引导配准网络
图像与视频处理
2021-06-15 v1 计算机视觉与模式识别
摘要
图像配准是医学图像分析各种应用的基础构件。为了更好地探索固定图像与浮动图像之间的相关性并提升配准性能，我们提出了一种新颖的深度学习网络——协同注意力引导配准网络（CAR-Net）。CAR-Net采用协同注意力模块学习输入的新表示，从而驱动固定图像与浮动图像的配准。在UK Biobank心脏电影磁共振图像数据上的实验表明，与最先进的无监督配准方法相比，CAR-Net获得了更高的配准精度和更平滑的形变场，同时取得了与相应弱监督变体相当或更优的配准性能。此外，我们的方法能够以完全无监督的方式同时提供输入固定图像与浮动图像的关键结构信息。
引用
@article{arxiv.2106.06637,
title = {CAR-Net: Unsupervised Co-Attention Guided Registration Network for Joint Registration and Structure Learning},
author = {Xiang Chen and Yan Xia and Nishant Ravikumar and Alejandro F Frangi},
journal= {arXiv preprint arXiv:2106.06637},
year = {2021}
}