TTTFusion：基于测试时训练的手术机器人多模态医学图像融合策略
计算机视觉与模式识别
2025-04-30 v1
摘要
随着手术机器人在临床实践中的广泛应用，提高其处理多模态医学图像的能力已成为关键研究挑战。虽然传统医学图像融合方法在提高融合精度方面取得了进展，但仍面临实时性能、细粒度特征提取和边缘保持等显著挑战。本文引入TTTFusion，一种基于测试时训练（TTT）的图像融合策略，通过在推理阶段动态调整模型参数来高效融合多模态医学图像。通过在测试阶段适应模型，本方法基于输入图像数据优化参数，提高了融合结果的准确性和细节保留。实验结果表明，TTTFusion显著优于传统融合方法，尤其在细粒度特征提取和边缘保持方面表现突出。该方法不仅提高了图像融合精度，也为手术机器人中的实时图像处理提供了一种新颖的技术方案。
引用
@article{arxiv.2504.20362,
title = {TTTFusion: A Test-Time Training-Based Strategy for Multimodal Medical Image Fusion in Surgical Robots},
author = {Qinhua Xie and Hao Tang},
journal= {arXiv preprint arXiv:2504.20362},
year = {2025}
}