基于文本提示的时空协变图像配准

医学图像通常具有结构化的解剖表征以及空间上非均匀的对比度特征。在神经网络中引入解剖先验信息，可显著提升其在资源受限的临床环境中的实用性。尽管先前研究已将此类信息用于图像分割任务，但在可变形图像配准领域的进展却较为有限。本文提出了一种名为 textSCF 的新方法，通过融合空间协变滤波器与由视觉-语言模型编码的文本解剖提示，有效填补了这一空白。该方法优化一个隐式函数，将解剖区域的文本嵌入映射为滤波器权重，从而放宽了传统卷积操作对平移不变性的约束。textSCF 不仅显著提升了计算效率，还能在保持甚至提升配准精度方面表现优异。通过捕捉解剖区域间的上下文关联，该方法展现出出色的跨区域迁移能力，并能有效保留配准过程中的结构不连续性。在跨被试脑部 MRI 与腹部 CT 图像配准任务中，textSCF 经过严格评估，其性能在 MICCAI Learn2Reg 2021 挑战赛中超越现有最先进模型，位居排行榜首位。在腹部配准任务中，textSCF 的大模型变体相较第二优模型，Dice 分数提升了 11.3%；而其小模型变体在保持相近精度的同时，网络参数减少 89.13%，计算操作量降低 98.34%。