基于球面相似性学习与可微 Levenberg-Marquardt 优化的术中 2D/3D 配准

术中 2D/3D 配准将术前 3D 体素与实时 2D X 光片对齐，从而实现器械和植入物的精准定位。近期的一种全可微相似性学习框架近似了 SE(3) 上的测地线距离，扩大了配准的捕获范围并减轻了大幅扰动的影响，但现有的欧氏近似会扭曲流形结构并减缓收敛速度。为了解决这些局限性，我们探索在非欧球面特征空间中进行相似性学习，以更好地捕捉和拟合复杂的流形结构。我们使用 CNN-Transformer 编码器提取特征嵌入，将其投影到球面空间，并在双不变 SO(4) 空间中用黎曼距离近似其测地线距离。这构建了一种更具表达力且几何一致性的深度相似性度量，增强了区分细微姿态差异的能力。在推理阶段，我们用全可微 Levenberg-Marquardt 优化替代梯度下降以加速收敛。在真实和合成数据集上的实验表明，在特定患者和非特定患者场景下均具有卓越的准确性。