基于Mamba的可变形医疗图像注册与注释的大脑MR-CT数据集
Yinuo Wang1, Tao Guo2, Weimin Yuan1
1Image Processing Center, Beihang University, Beijing 100191, China.
概括
这项研究介绍了MambaMorph,这是一个新的深度学习网络,用于高效和准确的可变形图像记录,特别是用于大脑MR-CT扫描. MambaMorph的性能优于现有的方法,增强了医学图像分析.
科学领域:
- 医学图像分析 医学图像分析
- 神经成像是一种神经成像.
- 人工智能在医学中的应用
背景情况:
- 可变形的注册对于多模式神经成像分析至关重要.
- 目前基于学习的方法在脑MR-CT注册的准确性和效率方面面临挑战.
- 需要改进脑MR-CT注册的基准和方法.
研究的目的:
- 引入SR-Reg,这是一个用于大脑MR-CT注册的新型基准数据集.
- 为了介绍MambaMorph,一个新的可变形注册网络,利用状态空间模型.
- 评估MambaMorph的性能与现有的先进网络相比.
主要方法:
- 开发了SR-Reg数据集,其中包括180个配对的体积MR-CT图像和注释.
- 提出了MambaMorph,这是一个整合Mamba的网络,用于全球特征学习和细粒度提取器.
- 进行了多模和单模登记任务的实验.
主要成果:
- 与基于ConvNet和基于变压器的网络相比,MambaMorph表现出卓越的性能.
- 拟议的方法在准确性和效率方面取得了显著的改进.
- SR-Reg数据集促进了对大脑MR-CT注册的进一步研究.
结论:
- MambaMorph为神经成像的可变形图像注册提供了一个有前途的进步.
- SR-Reg数据集和MambaMorph对多模式医学图像分析领域做出了贡献.
- 该研究强调了国家空间模型在医疗图像注册中的潜力.


