计算机应用研究

作者：柯长豪,王晓明,

单位：西华大学计算机与软件工程学院,成都610039；

关键词：深度学习,医学图像,多模态融合,边缘纹理保留,纹理信息掩码,特征融合,特征提取,

基金：四川省科技计划重点研究项目(2023YFG0098)；；

针对多模态医学图像融合过程中细节纹理信息丢失、结构不清晰等问题，提出一种结合掩码技术的无监督端到端的融合网络ETPFusion。该网络引入边缘纹理保留模块，在特征编码阶段能够保留更多的纹理细节信息。其次，为在特征解码阶段捕获特征图的不同位置的依赖关系，引入双层卷积模块。同时，考虑到随着网络层数的增加，特征信息可能会逐渐损失，在残差学习中嵌入边缘纹理保留模块，以此来补充纹理特征信息，并减少源图像中的冗余信息。在图像重构阶段，引入纹理信息掩码模块，旨在强化特征图的纹理信息，并提取其细粒度信息。在多个融合任务上与多种方法的对比实验表明，所提出方法ETPFusion在MI、NMI、PSNR和VIF指标上平均提升4.79%、9.38%、17.7%和26.36%，获得了良好的融合效果，在临床诊断等领域拥有更高的实用价值。

来源：2025年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第9期