用于医学图像配准的金字塔注意力网络
计算机视觉与模式识别
2024-02-15 v1
摘要
基于深度学习的配准网络的出现，解决了传统迭代方法耗时长的挑战。然而，当前配准网络在全面捕捉空间关系方面的潜力尚未被充分挖掘，导致在大形变图像配准中性能不足。纯卷积神经网络（CNN）忽略了特征增强，而当前基于 Transformer 的网络容易受到信息冗余的影响。为了缓解这些问题，我们提出了一种用于可变形医学图像配准的金字塔注意力网络（PAN）。具体而言，所提出的 PAN 结合了一个带有通道注意力的双流金字塔编码器，以增强特征表示。此外，引入了一个多头局部注意力 Transformer 作为解码器，用于分析运动模式并生成形变场。在两个公开的脑部磁共振成像（MRI）数据集和一个腹部 MRI 数据集上进行的大量实验表明，我们的方法取得了良好的配准性能，同时优于多个基于 CNN 和基于 Transformer 的配准网络。我们的代码已公开发布在 https://github.com/JuliusWang-7/PAN。
引用
@article{arxiv.2402.09016,
title = {Pyramid Attention Network for Medical Image Registration},
author = {Zhuoyuan Wang and Haiqiao Wang and Yi Wang},
journal= {arXiv preprint arXiv:2402.09016},
year = {2024}
}
备注
5 pages, 3 figures, published to ISBI 2024