NCNet:基于邻居交叉注意力结合多分辨率约束的可变形医疗图像注册网络
Xinxin Cui1, Hao Xu1, Jing Liu1
1School of Medical Information Engineering, Gansu University of Traditional Chinese Medicine, Lanzhou, 730000, People's Republic of China.
Biomedical physics & engineering express
|July 31, 2024
概括
本研究介绍了NCNet,这是一个新的医疗图像注册网络,可以提高准确性和可解释性. NCNet采用了社区交叉注意力和多分辨率策略,在脑MRI注册任务中表现优于现有的方法.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
- 神经科学是一个神经科学.
背景情况:
- 目前用于医疗图像注册的交叉注意网络将图像划分为补丁,这可能会破坏变形场拓学并降低可解释性.
- 需要改进的网络架构,以保持拓一致性并提高对注册过程的理解.
研究的目的:
- 开发一个新的可变形医疗图像注册网络NCNet,该网络将社区交叉注意力与多分辨率策略相结合.
- 与现有方法相比,提高医疗图像记录的准确性和可解释性.
主要方法:
- 拟议的NCNet架构包括一个具有多分辨率的特征编码器和大型内核并行卷积块.
- 实现了一个多头社区交叉注意模块,以保持变形场拓,并通过双重规范化减少计算复杂性.
- 使用注册解码器来生成变形场.
主要成果:
- 在3D脑MRI数据集 (LPBA40和IXI) 上,NCNet在以图谱为基础的和学科间的注册任务中取得了卓越的表现.
- 与Voxelmorph (7.9%在LPBA40上,3.6%在IXI上) 和TransMorph (4.9%在LPBA40上,1.3%在IXI上) 相比,在子相似系数 (DSC) 平均值中显著改善.
结论:
- 邻居注意力计算在医疗图像注册方面比基于补丁的窗户注意力提供了优势.
- 金字塔特征编码器和双重规范化对网络性能作出了积极的贡献,推动了医疗图像注册领域的发展.
