基于交叉注意的脑部 MR 无监督配准算法研究

来源：机械与电子杂志2024年第11期北京时间：

作者：杨丽丽;王玉;王明泉;商奥雪;崔瑞杰;商然

单位：中北大学信息与通信工程学院,山西 太原 030051

摘要：针对三维图像配准存在易丢失空间信息、拓扑结构保持困难及耗时长等问题,提出一种混合的 Transformer-ConvNet 模型。在经典 VoxelMorph 模型基础上,引入了交叉注意力模块,进行有效的远程建模和高维数据处理;针对运算量大的问题,在卷积层引入了 inception 模块,采用并行连接的方式将多个不同尺寸和不同类型的卷积层相互融合,学习细粒度特征,以提高配准精度。在脑部 MR 数据集上,进行了消融实验,结果表明,引入交叉注意力机制和 inception 模块网络较 VoxelMorph , Dice 系数提高了 11.5% 。将所提算法与 4 种经典算法进行了对比,结果表明,所提模型配准性能有了明显提升,较 VoxelMorph 、 CycleMorph 、 ViT-V-Net 、 TransMorph 分别提高 9.6% 、 8.7% 、 9.1% 、 6.3% ,且参数量较少。

关键词：深度学习;图像配准; UNet 网络;交叉注意力

基金资助：山西省重点研发计划资助项目( 201803D121069 );山西省应用基础研究项目面上自然基金项目( 201801D121162 )