10.3969/j.issn.1006-9348.2022.11.044
基于注意力残差网络的跨模态医学图像配准
针对2D-3D医学图像配准方法时间长且容易陷入局部极值的问题,提出一种将注意力机制与残差网络融合的跨模态图像配准方法,使用深度残差网络自动提取图像特征,预测配准变换参数,在卷积块中嵌入混合域的注意力机制,提高网络对重要特征的关注度.根据变换参数的特点,设计分组回归的方式提高配准精度.实验结果表明,上述方法预测位移误差均值为0.07mm,角度误差均值为0.04°,优于其方法;配准时间仅需40ms,远低于传统方法.所提配准方法避免了传统方法循环迭代的过程,有效提高配准效率,满足医学图像配准的实时性和精度需求.
图像分析、二维-三维配准、深度学习、残差网络、注意力机制
39
TP391.4(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金;上海市科委科技创新行动计划;温州医科大学重点实验室开放项目
2023-01-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
224-229