脑部 MRI 图像配准中 CNN 与 Transformer 并行架构的算法研究

来源：机械与电子杂志2025年第10期北京时间：

作者：刘源;王玉;杨丽丽;杨洁;张宇昊

单位：中北大学信息与通信工程学院,山西 太原 030051

摘要：针对当前基于深度学习的图像配准模型存在的局限性(如难以充分利用 CNN 与 Transformer 的互补优势、配准精度受限、难以有效保持原始图像的拓扑结构等问题),提出了一种无监督 CNN-Transformer 混合配准网络。所提模型选用目前配准精度最优的 Swin Transformer 和极具轻量化的 CNN 网络进行构建,并且将提取到的特征进行融合,使模型结合了 CNN 的局部特征提取能力和 Transformer 的全局建模能力,使配准更加精确和轻量化。在 2 个公开的脑 MRI 数据集( IXI 和 LPBA40 )上对该网络进行了评估。实验结果表明,所提模型配准性能较 VoxelMorph 、 Pvt 、 ViT-V-Net 和 TransMorph 在 DICE 、结构相似性等指标上有了明显提升,同时保持了基于学习方法的运行效率优势,展现出优越的配准性能。

关键词：深度学习; Transformer 架构;图像配准;卷积神经网络

基金资助：山西省应用基础研究项目面上自然基金项目( 201801D121162 );山西省重点研发计划资助项目( 201803D121069 );中北大学重点实验室开发研究基金资助项目( DXMBJJ2024-04 )