期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
EFormer:基于分频和广注意力的高效Transformer医学图像配准模型
1
作者 黄星宇 王丽会 +3 位作者 唐堃 程欣宇 张健 叶晨 《计算机科学》 北大核心 2025年第7期151-160,共10页
医学图像配准对于多种后处理步骤至关重要。目前基于卷积和Transformer的单流或双流网络架构能够实现良好的配准性能,但在配准性能与计算效率之间仍然难以取得平衡。为了解决这个问题,提出了一种高效的Transformer配准网络EFormer。其... 医学图像配准对于多种后处理步骤至关重要。目前基于卷积和Transformer的单流或双流网络架构能够实现良好的配准性能,但在配准性能与计算效率之间仍然难以取得平衡。为了解决这个问题,提出了一种高效的Transformer配准网络EFormer。其主要由分频器模块(Frequency Division Module, FDM)和广注意力模块(Broad Attention Module, BAM)组成。具体而言,在编解码器中使用多个FDM模拟双流网络并行提取局部-全局信息以提高计算效率;利用BAM增强多个FDM中局部信息的传递以保留配准中重要的语义特征。在3个数据集上的定性和定量比较实验结果表明,相比主流配准模型,EFormer在DSC,ASSD,HD95和雅可比行列式负值百分比4个评价指标上分别至少优化了1.3%,2.6%,0.6%和95%。此外,使用EFormer-tiny时,计算效率(Flops)优化了14%,表明EFormer能够以最快的计算速度在基于Transformer的网络中实现最佳的配准结果。 展开更多
关键词 医学图像配准 分频 广注意力 高效Transformer
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部