基于多尺度感知损失与注意力的脑图像配准

来源：电子测量技术杂志2025年第15期北京时间：

作者：马添翼，姜大帅，朱东，张林涛，李国强

单位：临沂大学信息科学与工程学院 临沂 276000

摘要：当前基于深度学习的方法在可变形医学图像对齐任务中得到了广泛的应用，其中利用新颖的损失函数和有效的网络架构提高配准效果是常用的做法。本文设计了多尺度特征感知损失和注意力模块ECA-D，改进了只用均方误差或归一化互相关的设计思路。本文利用多站点医学图像数据训练获得一个分类神经网络，并构建多尺度特征的学习过程，提高了分类网络的准确性，进而设计多尺度的感知损失函数提高配准的准确性。为了提高对齐网络的学习能力，设计了一种新的注意力模块ECA-D，更有效地利用空间和通道信息。在LPBA40数据集上训练后，与最先进的方法相比，提出的模型在未经训练的Neurite OASIS上的Dice评分提高了3%。实验结果表明，本文的方法具有更高的配准精度和更好的鲁棒性。

关键词：知觉损失;脑MRI图像;深度学习;3D 数据

基金资助：山东省自然科学基金（ZR2021MF115，ZR2023MF062）、国家自然科学基金（61771230）项目资助