يلعب تسجيل الصور دورًا هامًا في التشخيص الحاسوبي المساعد لعلاج أمراض الدماغ والجراحة عن بعد. تطبيقات شبكات U-Net ومشتقاتها واسعة في مجال تسجيل الصور الطبية، محققةً نتائج جيدة من حيث دقة التسجيل ووقت التسجيل. ومع ذلك، تواجه النماذج الحالية صعوبة في تعلم ميزات حواف الهياكل الدقيقة داخل الصور عند التعامل مع تشوهات معقدة للصورة، وتتجاهل ارتباط معلومات السياق على مقاييس مختلفة. لمواجهة هذه القضايا، يقترح هذا البحث نموذج تسجيل يعتمد على مطابقة نقاط عبر المقاييس مدمجة مع دمج ميزات متعددة المقاييس. بدايةً، يتم إدخال وحدة مطابقة النقاط عبر المقاييس في هيكل التشفير للنموذج، لتعزيز التعبير عن ميزات المناطق البارزة في الصورة وفهم تفاصيل حواف الهياكل الدقيقة؛ ثم يتم دمج الميزات متعددة المقاييس في هيكل فك التشفير لتشكيل وصف ميزات أكثر شمولاً؛ وأخيرًا، يتم دمج وحدة انتباه في وحدة دمج الميزات متعددة المقاييس لتسليط الضوء على المعلومات المكانية والقنوية. أظهرت نتائج التجارب على ثلاث مجموعات بيانات صور الرنين المغناطيسي الدماغية (MR) أنه، على سبيل المثال في مجموعة بيانات OASIS-3، حقق الأسلوب المقدم في هذا البحث تحسنًا في دقة التسجيل مقارنة بأساليب Affine وSyN وVoxelMorph وCycleMorph بمعدلات 23.5٪ و12.4٪ و0.9٪ و2.1٪ على التوالي؛ كما انخفضت قيمة ASD مقارنة بكل منها بنسبة 1.074 و0.434 و0.043 و0.076. النموذج المقترح قادر على فهم معلومات ميزات الصور بشكل أفضل، مما يعزز دقة التسجيل وله أهمية كبيرة في تطوير تسجيل الصور الطبية.

تسجيل الصور الطبية;هيكل المرمز-فك التشفير;توزين الميزات;مطابقة الميزات;آلية الانتباه