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

摘要： 醫(yī)學(xué)圖像配準模型旨在建立圖像間解剖位置的對應(yīng)關(guān)系。傳統(tǒng)的圖像配準方法通過不斷迭代獲取形變場，耗費時間長且精度不高。深度神經(jīng)網(wǎng)絡(luò)不僅實現(xiàn)了端到端的形變場生成，加快了形變場的生成，而且進一步提升了圖像配準的精度。針對目前的深度學(xué)習(xí)配準模型均采用單一的卷積神經(jīng)網(wǎng)絡(luò)（CNN）或Transformer架構(gòu)，無法充分發(fā)揮CNN與Transformer結(jié)合的優(yōu)勢導(dǎo)致配準精度不足，以及圖像配準... （共7頁）