用于中间可形变图像配准的高效余弦窗互相关

帮助医生更可靠地比较医学影像

现代医学常常依赖于比较不同时间或不同个体拍摄的医学影像——例如观察肿瘤对治疗的反应或构建大脑图谱。然而，要将这些影像对齐，使得相同的解剖点出现在相同位置，竟然非常困难。本文提出了一个新的计算步骤，可使此类对齐在解剖变化较大时更快速且更可靠。

为什么对齐医学影像这么棘手

当计算机对齐两幅图像时，通常先纠正大的、简单的差异，如平移、旋转和整体尺度变化——这称为仿射配准。然而，真实的人体解剖会以复杂方式弯曲、生长和移动，简单的拉伸与旋转无法捕捉到这些变化。精细的“可形变”配准方法试图通过允许每个小区域单独移动来解决这个问题，但它们经常依赖非常局部的图像细节。如果扫描之间的变化很大——例如术前术后或不同受试者之间——这些方法可能陷入错误解或需要很长时间才能收敛。

在粗略与精细对齐之间的中间步骤

作者提出了一种“中间可形变图像配准”（IDIR）方法，旨在位于粗略的仿射步骤与非常精细的可形变步骤之间。IDIR并非一次性看完整幅图像或仅观察极小邻域，而是使用非常大的重叠窗在图像上滑动。在每个窗口内，它估计局部需要平移多少才能使一幅图像最好地匹配另一幅。通过选择平滑的余弦形窗并谨慎地从所有位置合并信息，该方法生成一张平滑变化的位移图。此位移图在仅需几次迭代的情况下即可校正大范围变形，为后续更详细的方法提供更好的初始点。

借用声学启发的数学实现更快匹配

在方法的核心，使用了互相关——一种测量两信号在相对位移下相似度的方式。这一思想在音频与雷达等信号处理领域常见。为使计算对大图像和三维体数据仍然可行，作者利用了快速傅里叶变换（FFT），能显著加速相关计算。一个关键创新是在相关之前对图像应用余弦形窗，然后巧妙地展开数学表达，使得可以一次性计算许多局部位移，而不是逐一计算。这样将计算成本从对实际数据不可行的量级降至在典型硬件上可在数秒到数分钟内运行的水平。

在X光、脑部扫描和腹部CT上的测试

该方法在三类截然不同的医学影像上进行了测试：术前术后下颌和足部的二维X光片、不同孕周发育的胎儿大脑三维MRI，以及来自不同患者的腹部三维CT。在X光实验中，新方法在几次迭代内快速捕捉到大的手术变化，产生了平滑的位移场而无需额外的平滑技巧。在胎儿脑MRI上，它显著提高了标注脑区的重叠度，并在从头运行时优于一种标准的可形变算法。当用IDIR结果来初始化该标准方法时，对齐进一步改善。在腹部CT上，新方法同样提高了器官重叠评分，并且当与现有可形变方法组合时，对于测试的每个器官都优于任一单独方法。

这对未来医学影像意味着什么

对非专业读者来说，结论是：这项工作提供了一种新的“预对齐”方法，适用于扫描之间解剖差异较大的情形。通过高效地纠正大尺度形状差异而不需要任何训练数据或针对特定器官的调参，所提出的IDIR方法可以使现有的可形变配准工具更准确并更快收敛。它并不是要完全取代精细配准，而是为这些方法提供强有力的良好起点。由于其通用性并能在X光、MRI和CT之间工作，它在研究中可能广泛有用，并有潜力在需要可靠比较医学影像的临床流程中得到应用。

引用: Aganj, I. Efficient cosine-windowed cross-correlation for intermediate deformable image registration. Sci Rep 16, 8629 (2026). https://doi.org/10.1038/s41598-026-40961-1

关键词: 医学图像配准, 可形变配准, 基于傅里叶的对齐, 互相关, 医学影像分析