科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对2D-3D医学图像配准方法时间长且容易陷入局部极值的问题，提出一种将注意力机制与残差网络融合的跨模态图像配准方法，使用深度残差网络自动提取图像特征，预测配准变换参数，在卷积块中嵌入混合域的注意力机制，提高网络对重要特征的关注度。根据变换参数的特点，设计分组回归的方式提高配准精度。实验结果表明，上述方法预测位移误差均值为0.07mm,角度误差均值为0.04°,优于其方法；配准时间仅需40ms,远低于传统方法。所提配准方法避免了传统方法循环迭代的过程，有效提高配准效率，满足医学图像配准的实时性和精度需求。
- 单位
