一种注册等价于两个分割

图像注册旨在建立两个或多个图像之间的空间对应关系，通常通过稠密位移场（DDFs）或参数化变换（如刚体、仿射和样条函数）实现。我们重新思考了通过空间变换实现对齐的现有范例，发现另一种更直观的对应表示方法：一组对应的区域感兴趣（ROI）配对。我们证明了这种表示方法具有与其他对应表示方法相同的表达能力。进一步地，这些 ROI 不必具有特定的解剖或语义意义。于是，我们将图像注册表述为在两幅图像中寻找相同的 ROI 配对——即对一对图像进行两次多类分割任务。为了实现通用且实用的方案，我们将分割任何模型（SAM）集成到我们提出的算法中， resulting in a SAM-enabled registration (SAMReg) that does not require any training data, gradient-based fine-tuning or engineered prompts. 我们实验性地表明，所提出的 SAMReg 能够对多个 ROI 配对进行分割和匹配，在建立足够准确的对应关系方面表现出色，适用于注册前列腺 MRI、心脏 MRI 和腹部 CT 图像的三个临床应用。基于 Dice 系数和靶点注册误差等指标评估解剖结构，所提出的注册方法在对抗强度基准迭代算法和 DDF 预测学习型网络方面均表现优异，甚至在需要完全分割训练数据的弱监督注册方法中也表现出竞争力。