用于医学图像配准的 Tetrahedron-Net
图像与视频处理
2025-05-09 v1 计算机视觉与模式识别
信息检索
摘要
医学图像配准在医学图像处理中扮演着至关重要的角色。为医学图像提取具有表达力的表示对于提高配准质量至关重要。为此，一种常见做法是构建卷积主干网络，以实现特征提取层之间与跳跃连接的交互。事实上的结构，即类 U-Net 网络，一直试图设计诸如嵌套或全尺度跳跃连接，以连接单个编码器和单个解码器，从而提高其表示能力。尽管行之有效，但它仍未充分探索与单编码器和单解码器架构的交互。在本文中，我们采纳这一观察结果，并引入了一种简单而有效的替代策略，通过附加一个额外的解码器来增强配准的表示。新解码器被设计为与原始编码器和解码器均进行交互。通过这种方式，它不仅重用了来自编码器中对应层的特征表示，还与原始解码器进行交互，以协同给出更准确的配准结果。新架构简洁而通用，仅由一个编码器和两个解码器构成“四面体”结构，因此被命名为 Tetrahedron-Net。根据附加解码器的不同结构，进一步构建了 Tetrahedron-Net 的三种实例。我们广泛的实验证明，在几个具有代表性的医学图像配准基准上可以获得卓越的性能。最后，这种“四面体”设计也可以轻松集成到流行的类 U-Net 架构中，包括 VoxelMorph、ViT-V-Net 和 TransMorph，从而带来一致的性能提升。
引用
@article{arxiv.2505.04380,
title = {Tetrahedron-Net for Medical Image Registration},
author = {Jinhai Xiang and Shuai Guo and Qianru Han and Dantong Shi and Xinwei He and Xiang Bai},
journal= {arXiv preprint arXiv:2505.04380},
year = {2025}
}