使用多分辨率视觉变压器进行可变形图像的记录,用于心脏运动估计
Xuesong Lu1, Huaqiu Zhao1, Hong Chen2
1School of Biomedical Engineering, South-Central Minzu University, 182 minyuan road hongshan district, Wuhan, Hubei, 430074, CHINA.
Physics in medicine and biology
|January 9, 2026
概括
这项研究引入了一种新的CNN-Transformer模型用于心脏MRI注册,提高了运动估计的准确性. 该框架有效地处理心脏磁共振 (CMR) 图像中的复杂变形和强度变化.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 可变形的注册对于心脏磁共振 (CMR) 影像分析至关重要.
- 挑战包括强度不均质和复杂的心脏变形.
研究的目的:
- 开发一种新的CNN-Transformer框架,用于准确地记录CMR图像的可变形图像.
- 改善心脏运动估计,以便更好地诊断和治疗心脏病.
主要方法:
- 一个卷积投影的变压器块被设计用于高效的自我注意力和远程空间对应模型.
- 一种合作式的学习模式融合了全球和地方特征.
- 一个多分辨率策略以粗细的方式优化了模型参数.
主要成果:
- 拟议的方法在三个CMR数据集上表现出卓越的性能,用于对象内部注册.
- 与现有方法相比,实现了更好的子重叠和更低的表面距离.
- 超过了四种基于非学习的方法和三种基于深度学习的方法.
结论:
- 新的CNN-Transformer框架为CMR图像注册提供了更高的准确性和更低的复杂性.
- 这种方法为临床评估提供了更精确的心脏运动估计.
- 这种方法提高了心脏病的诊断和治疗.
