双向递归金字塔网络用于医学图像配准

彭静，闫佳荣，魏子易，刘佳英，邓亚红，杨家乐

（兰州交通大学 电子与信息工程学院，兰州730070）

摘要：针对现有三维医学图像配准网络存在特征提取不充分，难以保持配准图像的原始拓扑结构的问题，本文提出了一种基于双向递归金字塔的三维医学图像配准网络。首先，设计多尺度大内核特征提取模块，以扩大模型的感受野，并增强了全局感知能力与细粒度结构建模能力。其次，构建了双向金字塔配准网络结构，在配准过程中引入前向与后向的变形场进行相互约束，增强配准结果在结构一致性与拓扑完整性方面的保持能力。随后，提出递归策略，逐层融合由低分辨率至高分辨率的多尺度变形场，提高变形场的连续性和准确性。最后，设计双向一致性损失函数，联合双向配准结果约束模型训练以提升变形场的平滑性。实验结果表明：所提出的双向递归金字塔网络模型在LPBA40数据集上Dice系数、HD95值和负雅克比式值分别达到了0.746、8.06和0.135，不仅较好地保留了图像的原始拓扑结构，而且整体配准性能优于现有主流方法。

关键词：图像配准，双向递归，大内核卷积，核磁共振，双向一致性损失

扫二维码浏览全文

Cite this article

Peng, J., Yan, J., Wei, Z. et al. Bidirectional Recursive Pyramid Network for Medical Image Registration. J. Shanghai Jiaotong Univ. (Sci.) (2025). https://doi.org/10.1007/s12204-025-2893-6