GroupMorph:通过集群网络与上下文融合进行医疗图像注册

科学领域:

• 医学成像医学成像
• 计算机视觉 计算机视觉 计算机视觉
• 图像的注册 图像的注册

背景情况:

• 基于金字塔的方法通过分解变形场来提供精确的记录.
• 现有的方法可能无法完全捕捉空间变形,因为每分辨率产生单个子场.
• 需要一种新的方法来改善记录中的空间变形的描绘.

研究的目的:

• 介绍GroupMorph,一种新的注册模型,可以改进空间变形描绘.
• 为了提高基于金字塔的变形分解方法的准确性.
• 为了有效地识别医疗图像中的大小变形.

主要方法:

• 在每个分辨率下,GroupMorph采用分组组合策略来预测变形场.
• 群智相关性计算特征相似性,并平行预测n组变形子场.
• 一个上下文融合模块集成了上下文特征,并为后续级别提供跨组信息.

主要成果:

• GroupMorph有效地识别了跨多个受体场范围的变形,解决大和小的空间变化.
• 该模型通过组间对应显示了变形子领域之间增强的协同作用.
• 在四个公共数据集上进行了广泛的实验,验证了GroupMorph模型的有效性.

结论:

• GroupMorph代表了基于金字塔的注册框架的重大进步.
• 拟议的分组组合策略和上下文融合模块改善了变形场的表示.
• 该模型的有效性得到了不同数据集的实验结果的证实.