用于医学图像配准的可变形交叉注意力 Transformer
图像与视频处理
2023-03-14 v1 计算机视觉与模式识别
摘要
Transformer 近期在医学图像应用中展现出潜力，导致开发此类模型用于医学图像配准的兴趣日益增长。设计配准 Transformer 的最新进展集中于使用交叉注意力（CA）以实现对移动图像与固定图像间空间对应关系的更精确理解。在此，我们提出一种新颖的 CA 机制，其使用可变形窗口计算加窗注意力。与现有 CA 机制需通过全局或固定且扩展的搜索窗口局部计算 CA 从而带来密集计算复杂度不同，所提可变形 CA 能在大搜索窗口上选择性采样多样化特征集，同时保持较低计算复杂度。所提模型在多模态、单模态以及图谱到患者配准任务上进行了广泛评估，相较最先进方法展现出有前景的性能，并表明其在医学图像配准中的有效性。本工作的源代码将在发表后公开。
引用
@article{arxiv.2303.06179,
title = {Deformable Cross-Attention Transformer for Medical Image Registration},
author = {Junyu Chen and Yihao Liu and Yufan He and Yong Du},
journal= {arXiv preprint arXiv:2303.06179},
year = {2023}
}