基于卷積神經(jīng)網(wǎng)絡(luò)與Transformer并行的醫(yī)學(xué)圖像配準(zhǔn)模型

摘要： 醫(yī)學(xué)圖像配準(zhǔn)模型旨在建立圖像間解剖位置的對(duì)應(yīng)關(guān)系。傳統(tǒng)的圖像配準(zhǔn)方法通過(guò)不斷迭代獲取形變場(chǎng)，耗費(fèi)時(shí)間長(zhǎng)且精度不高。深度神經(jīng)網(wǎng)絡(luò)不僅實(shí)現(xiàn)了端到端的形變場(chǎng)生成，加快了形變場(chǎng)的生成，而且進(jìn)一步提升了圖像配準(zhǔn)的精度。針對(duì)目前的深度學(xué)習(xí)配準(zhǔn)模型均采用單一的卷積神經(jīng)網(wǎng)絡(luò)（CNN）或Transformer架構(gòu)，無(wú)法充分發(fā)揮CNN與Transformer結(jié)合的優(yōu)勢(shì)導(dǎo)致配準(zhǔn)精度不足，以及圖像配準(zhǔn)... （共7頁(yè)）