轻量化混合Mamba2用于无监督的医疗图像注册
Aobo Xu1,2, Shaofei Shen1, Wenkang Chen3
1School of Computer, Electronics and Information, Guangxi University, Nanning, China.
Medical physics
|September 10, 2025
概括
新的轻量级深度学习模型HybridMorph提高了医疗图像注册的准确性和效率. 它的性能优于现有的方法,为资源有限的医疗环境提供了有希望的解决方案.
科学领域:
- 医疗成像医学成像
- 深度学习 (Deep Learning) 是一种深度学习.
- 计算解剖学的计算解剖学
背景情况:
- 可变形医疗图像的注册对于诊断和治疗至关重要.
- 变压器模型看起来很有希望,但计算成本很高.
- 曼巴-2为复杂的空间关系提供了更高的效率和全球接收场.
研究的目的:
- 开发一种轻量化混合模型,以实现高效准确的医疗图像注册.
- 为了应对资源有限的医疗环境中的部署挑战.
- 介绍HybridMorph,一个基于Mamba-2的模型,具有不同的参数大小.
主要方法:
- 提出一个剩余混合模块 (RHM),将卷积和Mamba-2相结合,用于特征提取.
- 引入并行通道特征聚合器 (PCFA) 以获得更丰富的特征,降低开销.
- 开发一个轻量级的混合Mamba-2架构用于医疗图像注册.
主要成果:
- 与基线方法相比,HybridMorph实现了更高的性能.
- 在脑MRI注册中获得了0.780的Dice得分 (atlas-to-patient) 和0.824 (inter-patient).
- 与TransMorph相比,参数和计算成本分别减少了10.1倍和5.8倍.
结论:
- HybridMorph显著提高了性能,并减少了医疗图像注册中的计算开销.
- 展示了用于医学成像应用的轻量化混合型号的潜力.
- 突出了Mamba-2在高效和准确的医疗图像记录方面的优势.
