SynchroMorph：一种用于高精度脑部MRI配准的无监督同步多尺度特征融合方法

《Scientific Reports》：SynchroMorph: unsupervised synchronous multi-scale feature fusion for high-precision brain MRI registration

　　

摘要

结构性脑部MRI配准是群体神经影像学研究和纵向研究的基础，但由于复杂的神经解剖结构、个体间的显著差异以及较大的非刚性变形，实现精确的变形对齐仍然十分困难。我们提出了SynchroMorph，这是一种无监督的Transformer–CNN配准网络，它注重同步的固定-移动特征建模以及基于拓扑结构的变形正则化处理。在编码器中，多尺度融合注意力模块（MS-FAB）将窗口自注意力与并行的\(3^3\)和\(5^3\)层卷积相结合，从而整合上下文对应关系与局部解剖边界信息。一个瓶颈型的多尺度融合模块（MSF）进一步整合\(3^3/5^3/7^3\)大小的感受野，而轻量级的特征融合模块（FFB）则通过上采样、3D卷积细化以及跳跃融合来优化解码器的特征。该算法采用雅可比罚项来抑制局部体积的负变化，而非从理论上确保微分同胚性。在OASIS数据集上，SynchroMorph的DSC得分达到81.75%，而TransMorph仅为80.29%，优势为1.46个百分点；其边界精度指标HD95为1.86毫米，优于TransMorph的1.92毫米；且每处理一个体积数据的耗时为0.07秒，低于TransMorph的0.12秒。在IXI数据集上，SynchroMorph的DSC得分为78.66%，HD95为1.89毫米，其变形变异度（SDlog J）为0.12，低于其他强基线方法的0.19，且负雅可比值的体素数量也更少。这些结果表明，同步多尺度特征融合有助于改善T1加权脑部MRI配准中的精度与正则化之间的平衡，尤其对于那些体积较小或曲率较高的解剖结构而言效果更为显著。