面向可变形医学图像配准中组合爆炸问题的动态流网络
计算机视觉与模式识别
2025-12-23 v1
摘要
由双输入引起的组合爆炸问题对可变形医学图像配准（DMIR）构成了关键挑战。由于DMIR同时处理两幅图像作为输入，特征之间的组合关系呈指数级增长，最终导致模型在特征建模过程中考虑了更多干扰特征。在网络感受野和权重中引入动态性，使模型能够消除干扰特征组合并建模潜在的特征组合关系。本文中，我们提出了动态流网络（DySNet），它使感受野和权重能够动态调整。这最终使模型能够忽略干扰特征组合并建模潜在的特征关系。该网络有两个关键创新：1）自适应流盆地（AdSB）模块动态调整感受野的形状，从而使模型能够关注相关性更强的特征关系。2）动态流注意力（DySA）机制生成动态权重，以搜索更有价值的特征关系。大量实验表明，DySNet始终优于最先进的DMIR方法，突显了其出色的泛化能力。我们的代码将在网站上发布：https://github.com/ShaochenBi/DySNet。
引用
@article{arxiv.2512.19486,
title = {Dynamic Stream Network for Combinatorial Explosion Problem in Deformable Medical Image Registration},
author = {Shaochen Bi and Yuting He and Weiming Wang and Hao Chen},
journal= {arXiv preprint arXiv:2512.19486},
year = {2025}
}