基于训练-推理解耦架构的2D-3D医学图像配准

2D-3D医学图像配准在解决放射治疗的摆位验证问题上发挥着至关重要的作用。针对现有配准方法精度不高、耗时较长等问题，提出一种基于训练-推理解耦架构的2D-3D医学图像配准方法。该方法在训练阶段采用多分支结构，利用多尺度卷积增强特征多样性，提高配准精度；在推理阶段，利用重参数化将多分支结构转换为单路结构，加快配准速度；另外，引入自适应激活函数Meta-ACON，提高网络的非线性表达能力。在胸部和骨盆两个数据集上进行训练和测试，实验结果表明，所提方法预测结果的位移误差约为0.08 mm，角度误差约为0.05°，配准时间仅需26 ms。所提方法有效解决了摆位验证中的医学图像配准问题，不仅提高了精度，还满足了临床实时性要求。