Para abordar o problema da desfocagem dos detalhes de textura e baixo contraste na fusão de imagens médicas multimodais, foi proposta uma metodologia de fusão de imagens médicas multimodais baseada em uma rede neural cruzada de estrutura e função. Primeiramente, um modelo de rede neural cruzada estrutura-função foi projetado com base nas informações estruturais e funcionais das imagens médicas, que não apenas extrai eficazmente as informações estruturais e funcionais das imagens médicas anatômicas e funcionais, mas também permite a interação entre esses dois tipos de informações, extraindo assim bem os detalhes de textura das imagens médicas. Em segundo lugar, um novo mecanismo de atenção foi construído utilizando as variações nos canais e nas características espaciais da rede cruzada, ajustando continuamente os pesos das informações estruturais e funcionais para fundir as imagens, melhorando o contraste e as informações dos contornos das imagens fundidas. Por fim, foi projetado um processo de decomposição da imagem fundida para a imagem fonte; como a qualidade das imagens decompostas depende diretamente do resultado da fusão, o processo de decomposição permite que a imagem fundida contenha mais informações detalhadas. Comparado a sete métodos avançados propostos nos últimos anos, os índices objetivos AG, EN, SF, MI, Q^AB/F e CC do método deste artigo aumentaram em média 22,87 %, 19,64 %, 23,02 %, 12,70 %, 6,79 % e 30,35 %, respectivamente, demonstrando que o método pode obter resultados de fusão com detalhes de textura mais claros e melhor contraste, superando outros algoritmos comparativos tanto na percepção visual subjetiva quanto nos índices objetivos.

Fusão de imagens médicas multimodais;Rede cruzada de informação estrutural e funcional;Mecanismo de atenção;Rede de decomposição