基于3D DSC-STUNet模型的核磁共振图像配准OA
为解决基于Transformer模型的配准方法不能有效表示待配准图像的全局和局部特征、解码器无法有效还原全局上下文信息等问题,基于Swin-Transformer和UNet模型,对Swin-UNet网络架构进行扩展,增强其表示全局和局部特征的能力.并且将最新的动态蛇形卷积推广到三维空间,建立3D DSC-STUNet(Swin TransformerUNet with 3D Dynamic Snake Convolution)模型用于图像配准.相比传统卷积方法,三维动态蛇形卷积能利用可变卷积核能更好地关注图像的局部细节,提高网络处理局部特征的能力.所提出的配准方法利用特征变换提取图像特征来生成形变场,并在此基础上以无监督的方式生成配准图像.在IXI(脑部信息数据集)和OASIS(开源影像数据集)脑部MRI(核磁共振成像)图像数据集上与五种经典的配准方法相比,实验结果表明:提出的方法能够得到更好的配准结果,Dice(戴斯相似系数)值最高可以提高18.1%.
王雷;韩曜隆;黄子臻;李彬
山东理工大学计算机科学与技术学院,山东淄博255000山东理工大学计算机科学与技术学院,山东淄博255000山东理工大学计算机科学与技术学院,山东淄博255000华南理工大学自动化科学与工程学院,广东广州510641
信息技术与安全科学
核磁共振图像图像配准Swin TransformerUNet三维动态蛇形卷积
《华中科技大学学报(自然科学版)》 2026 (2)
P.175-181,7
山东省自然科学基金面上项目(ZR2021MF017)国家自然科学基金面上项目(62273155)。
评论