医療画像のレジストレーションは、アトラス作成や時系列画像比較などの臨床応用において重要な意義を持つ。現在、深層学習を用いたレジストレーション手法は、従来の手法と比較して臨床リアルタイム性の要求をよりよく満たしているが、レジストレーションの精度は依然として向上の余地がある。これに基づき、本論文では残差混合注意機構と多分解能制約を組み合わせたレジストレーションモデルMAMReg-Netを提案し、脳の磁気共鳴画像（MRI）の単一モダリティ非剛性画像レジストレーションを実現した。本モデルは残差混合注意モジュールを追加することで、多数の局所および非局所情報を同時に取得し、ネットワークの訓練過程でより効果的な脳内部構造特徴を抽出した。次に、多分解能損失関数を用いてネットワークを最適化し、より効率的でより安定した訓練を実現する。脳のT1 MR画像の12の解剖学的構造において、平均Diceスコアは0.817、平均ASD値は0.789、平均レジストレーション時間はわずか0.34秒であった。実験結果は、MAMReg-Netレジストレーションモデルが脳構造特徴をより良く学習し、レジストレーション精度を効果的に向上させ、臨床リアルタイム性の要求を満たすことを示している。

医療画像処理;単一モダリティレジストレーション;深層学習;注意機構;多分解能制約