组间通道特征融合的双流金字塔脑部MRI图像配准网络设计
Abstract
脑图像配准在疾病检测和诊断中应用广泛，但面临配准图像间结构差异较大和配准图像部分区域模糊的问题。针对该问题，提出了一种基于组间通道特征融合的双流金字塔结构脑图像配准网络GMSP-Net。首先，提出了双流的注意力编码器，该编码器利用双流结构提取输入特征的多层次信息，并通过注意力机制增强通道间的细节特征；接着，设计了多尺度门控MLP模块，该模块利用gMLP子块有效捕捉不同尺度窗口间的长距离空间依赖，并结合注意力机制，增强特征图中的关键通道响应与重要特征的空间位置；最后，提出了自适应形变特征融合模块，该模块能够有效融合各组通道的多尺度特征，以增强网络局部复杂解剖结构的特征表征能力。在LPBA40、Mindboggle、OASIS和跨模态Abdomen MR-CT数据集上进行验证，Dice相似性系数分别为73.77%、63.17%、82.45%和70.71%，较GroupMorph算法分别提升1.17、1.04、1.03和1.16百分点，平均配准时间为0.549 s。实验结果表明，该算法能够有效提高配准精度，并且具有较好的实时性和泛化性。
Fields of Study & Subjects
Medical Image Segmentation Techniques
Brain Tumor Detection and Classification
Medical Imaging and Analysis
Publication details
- Journal / source
- Laser & Optoelectronics Progress
- Volume
- 63
- Issue
- 2
- Pages
- 0217003–0217003
- Publication date
- 1 January 2026
- Language
- EN