MambaMorph：一种基于 Mamba 的医学 MR-CT 可变形配准框架
计算机视觉与模式识别
2025-06-26 v5
摘要
捕获跨不同模态的体素级空间对应关系对于医学图像分析至关重要。然而，当前的配准方法在配准精度和临床适用性方面尚不够实用。在本文中，我们引入了 MambaMorph，一种新颖的多模态可变形配准框架。具体而言，MambaMorph 利用基于 Mamba 的配准模块和细粒度但简单的特征提取器，分别用于高效的长程对应关系建模和高维特征学习。此外，我们开发了一个标注良好的脑部 MR-CT 配准数据集 SR-Reg，以解决多模态配准中数据的稀缺问题。为了验证 MambaMorph 的多模态配准能力，我们在 SR-Reg 数据集和公开的 T1-T2 数据集上进行了定量实验。两个数据集上的实验结果表明，MambaMorph 在配准精度方面显著优于当前最先进的基于学习的配准方法。进一步的研究强调了基于 Mamba 的配准模块和轻量级特征提取器的有效性，它们在保持合理计算成本和速度的同时实现了显著的配准质量。我们相信 MambaMorph 在医学图像配准的实际应用中具有巨大潜力。MambaMorph 的代码可在以下地址获取：https://github.com/Guo-Stone/MambaMorph。
引用
@article{arxiv.2401.13934,
title = {MambaMorph: a Mamba-based Framework for Medical MR-CT Deformable Registration},
author = {Tao Guo and Yinuo Wang and Shihao Shu and Weimin Yuan and Diansheng Chen and Zhouping Tang and Cai Meng and Xiangzhi Bai},
journal= {arXiv preprint arXiv:2401.13934},
year = {2025}
}