💻 computer science

GeoPose: Patient-agnostic CTA-to-DSA registration through projection-space calibration

GeoPose 是一个与患者无关且经过群体训练的框架，它通过投影空间校准和变换组合实现了快速且准确的 CTA 到 DSA 的配准，在无需患者特定适配或显式预配准的情况下，显著提升了速度和精度，并大幅超越了基准方法。

原作者： Rudolf L. M. van Herten, Robert Graf, Paula Feldman, Johannes C. Paetzold

发布于 2026-08-18

📖 1 分钟阅读☕ 轻松阅读

原作者： Rudolf L. M. van Herten, Robert Graf, Paula Feldman, Johannes C. Paetzold

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

当中风袭来时，时间不仅仅是一个度量单位；它决定了患者是能够完全康复，还是面临永久性残疾。在最严重的情况下，大脑中的一根大血管发生阻塞，切断了对庞大组织网络的血液供应。为了挽救大脑，医生必须进行一种被称为血管内取栓术（endovascular thrombectomy）的精细手术，通过导管穿过动脉，物理性地移除血栓。这是一场与时间的赛跑，而外科医生的视野仅限于从单一角度拍摄的二维 X 射线图像。这些图像能清晰显示血管，但缺乏深度感。它们无法展示患者独特的、在手术开始前通过详细 3D 扫描绘制出的三维解剖结构。为了安全导航，医生需要将这两个世界融合在一起：实时、扁平的 X 射线视图和术前 3D 地图。手动完成这一过程既缓慢又困难，而在紧急情况下，每一秒都至关重要。

挑战在于如何对齐这两种不同类型的图像。术前扫描是一个体积化的 3D 模型，而实时 X 射线则是扁平的投影。为了实现完美叠加，计算机必须精确计算出 X 射线机相对于患者头部的具体位置。如果机器的倾斜角度与计算机假设的稍有偏差，3D 地图就会被投射到错误的位置，这可能导致外科医生瞄准的是健康组织而非阻塞处。传统的图像对齐方法通常需要计算机进行数千次的“猜测并检查”，这个过程可能耗时数分钟，甚至如果初始猜测不佳，则会导致失败。其他方法试图通过学习特定患者的数据来解决问题，但这需要为每一个人都训练一个新的计算机模型，这在急诊室里实在太慢了。

一个研究小组开发了一种名为 GeoPose 的新系统，它解决了这个对齐问题，且无需提前了解特定患者的信息，能在不到一秒的时间内完成。该系统并没有将每个新患者视为一个独特的谜题，而是学习了人类头部及其血管在不同角度下的通用形态。它利用一个共享的、标准化的头部心理模型，对 X 射线机指向的位置做出初步猜测。一旦有了这个猜测，它会进行快速的数学调整，将该猜测转化为特定患者实际 3D 扫描的坐标系。研究人员称这一步为“投影空间校准”（projection-space calibration），它使系统能够将通用解决方案即时应用于新的、未见过的患者。

该系统主要分为两个阶段工作。首先，它观察实时 X 射线图像，并预测相机相对于一个标准、理想化头部的相对位置。然后，它计算该标准头部与特定患者头部之间的差异，并据此调整预测结果。这使得系统能够完全跳过缓慢的试错过程。在涉及 20 名患者、共 80 次 X 射线观测的测试中（这些患者均不在训练数据内），该系统在仅用 0.15 秒的时间内就实现了极高的准确度。它将 3D 血管地图放置的位置与 X 射线中实际血管的位置极其接近，平均距离仅为 5.8 毫米。相比之下，使用非此类新方法的现有最佳方法，其平均误差为 14.5 毫米，这在临床上往往因误差过大而无法使用。

研究人员还测试了如果允许系统进行几次快速、微小的修正会发生什么。通过运行一个仅包含 25 个步骤的简短优化过程，系统进一步提高了准确度，在约两秒钟内将平均误差降低到了 4.6 毫米。这与在相同时间内仍维持在 14.6 毫米左右误差的其他方法相比，是一个显著的进步。该系统无需进行针对特定患者训练的能力是其最关键的特性。不同于那些需要为每个人准备数分钟设置时间的其他学习型工具，GeoPose 使用一套从大规模人群中学习到的固定规则。它只需要快速查看一次患者的扫描图即可完成自我校准，从而使其能够随时应对生死攸关的紧急情况。

研究结果表明，这种方法可以为外科医生提供一个可靠的、实时的脑血管路线图，并将其直接叠加在实时 X 射线视图上。这将使他们能够精确观察阻塞位置以及周围血管的排列情况，而无需注射更多造影剂或等待缓慢的计算机处理。该系统在急性中风患者的数据上进行了测试，研究人员发现它在不同角度和患者解剖结构下都能表现得非常稳定。虽然该系统并不完美，在某些难以判断深度的角度仍略显吃力，但它代表了在使复杂的 3D 导航技术应用于最具时效性的医疗程序方面迈出了重要一步。通过将一个困难的多步数学问题转化为快速的单步预测，GeoPose 让即时、精准的引导在卒中护理领域离现实更近了一步。

技术摘要：GeoPose

问题陈述

在急性缺血性卒中治疗（特别是血管内取栓术，EVT）中，将术前计算机断层血管造影（CTA）与术中双平面数字减影血管造影（DSA）进行快速对齐至关重要。DSA 提供了高分辨率的 2D 血管动力学信息，但缺乏与 3D CTA 体积的直接空间对应关系。建立这种对应关系需要估计 C 型臂姿态（一种刚性 3D-to-2D 配准），以便将 3D 解剖目标投影到 2D 获取视图中。

现有方法面临显著局限性：

基于优化的方法（例如基于可微渲染的梯度下降）对初始化非常敏感，且通常需要数百次迭代，这对于时间紧迫的卒中工作流来说过于缓慢。
基于学习的方法 通常依赖于患者特异性的训练或适配（例如每位患者需进行数分钟的微调），这在对处理时间要求极高的急诊场景中是不可取的。
现有的基于群体训练的方法往往无法处理学习到的群体模板与新的患者原生（未配准）CTA 体积之间存在的坐标系差异。

方法论：GeoPose

GeoPose 是一个群体训练的框架，旨在估计学习到的规范坐标系中的 C 型臂姿态，并将其转移到患者的原生 CTA 坐标系中，无需患者特异性适配或显式的 3D 预配准。该流水线由三个阶段组成：

1. 群体训练的姿态估计（规范坐标系）

该方法利用两个固定权重的网络，这些网络专门在对齐到共享规范坐标系的合成渲染图上进行训练。这种分解将姿态与患者特异性解剖结构分离。

GeoPose-Init： 一个残差网络，用于回归相对于视图相关“等姿态”（isopose，即 PA、LAT- 和 LAT+ 视图的固定锚定旋转/平移）的 6 自由度 C 型臂姿态。它以 DSA 最大密度投影（MAP）作为输入，并预测视图类别以及相对于锚定的残差变换 ( $\Delta T$ )。
GeoPose-Refine： 第二个网络，根据观察到的 DSA MAP 与从当前姿态估计值渲染的数字化重建放射影像（DRR）之间的差异，预测残差姿态校正 ( $\delta T$ )。它使用共享编码器处理这两幅图像，并利用比较嵌入（comparative embedding）来预测校正量。

2. 投影空间校准（坐标系转移）

为了将规范坐标系的预测应用于未知的、未配准的原生 CTA，GeoPose 采用了“渲染与组合”校准法：

从原生 CTA 在已知校准姿态 ( $T_{cal}^{nat}$ ) 下渲染单张合成 DRR。
GeoPose-Init 处理该合成图像，以预测规范坐标系下的姿态 ( $\hat{T}_{cal}^{can}$ )。
通过将已知校准姿态与预测的规范姿态的逆进行组合，恢复两者之间的变换 ( $\hat{A}$ )： $\hat{A} = T_{cal}^{nat} (\hat{T}_{cal}^{can})^{-1}$ 。
该变换 $\hat{A}$ 随后被应用于所有后续的姿态预测，从而将它们从规范坐标系映射到患者的原生体素坐标系。

3. 姿态精细化与优化

门控残差精细化： GeoPose-Refine 被迭代应用。基于图像相似度（多尺度归一化互相关，mNCC）的贪婪接受准则确保只有能够改善对齐的校正才会被保留。这提供了一个快速、无需优化的运行点。
测试时优化： 精细化后的姿态会初始化一个短期的、低预算的优化（25 次 NAdam 迭代），使用 GeoReg 目标函数，该函数结合了图像相似度和轻量级轮廓约束。这一步骤将对齐精度提升至针对特定 DSA 对的水平。

核心贡献

组合式坐标系转移： 引入了“渲染与组合”校准法，使得基于群体训练的姿态估计器可以直接在患者的原生、未配准 CTA 体积上运行。这消除了对每位患者进行网络训练或显式 3D 预配准的需求。
群体训练、图像门控的精细化： 提供了一个共享的精细化模块，通过配对的 DSA 和 CTA 渲染图来预测姿态校正。图像相似度门控防止了有害的递归更新，为鲁棒的无优化方案提供了替代方案。
快速测试时配准： 通过结合 GeoPose 初始化与低预算优化（25 次迭代），实现了约 2 秒内的配准。这比传统的基于优化的方法显著更快。
实验验证： 在包含 20 名患者、80 个 DSA 观测值的留出测试集上进行了验证，证明了其在无需患者特异性适配的情况下优于基准方法。

结果

在 ISLES'24 数据集（使用 TopCoW 进行分布外测试）上的评估显示，GeoPose 取得了以下结果：

无优化性能： 在不进行测试时优化的情况下，GeoPose（Init + Greedy Refine）实现了 5.8 mm 的颈动脉平均投影中心线距离（mPCD）和 0.45 的中心线 Dice（clDice）。这优于表现最好的基准方法（具有两个网络的 LXPose），后者实现了 14.5 mm mPCD 和 0.28 clDice。此阶段的运行时间为 0.15 秒。
含测试时优化： 在 25 次优化迭代后，GeoPose 的 mPCD 达到 4.6 mm，clDice 达到 0.58，耗时约 2 秒。
基准对比： 在相同的 25 次迭代预算下，原生初始化的优化方法（GeoReg）达到了 14.6 mm mPCD 和 0.15 clDice，凸显了学习型初始化至关重要。
分布外测试： 在 TopCoW 上训练并在 ISLES'24 上测试时，性能有所下降（mPCD 为 8.5 mm），表明在空间分辨率和血管覆盖范围方面仍存在领域差异（domain gap）。

意义与主张

论文声称 GeoPose 提供了快速的原生坐标系配准，使用固定的群体级权重，消除了可能延迟急性卒中治疗的患者特异性准备工作。

临床实用性： 通过建立术前 CTA 与术中 DSA 之间的空间对应关系，该方法能够将 3D 解剖路线图和治疗目标投影到实时获取的视图中。这支持了血管定位，保留了解剖上下文，并可能减少重复注射造影剂的需求。
下游应用： 恢复的姿态为从 DSA 序列中进行双平面 3D 血管重建提供了几何基础，而无需单独的旋转采集。
效率： 该框架在 2 秒内实现了高精度（mPCD < 6 mm），这一时间窗口符合急性缺血性卒中干预的严格时间限制。

作者指出，虽然该方法具有鲁棒性，但姿态估计对可观测性（特别是沿源检测器方向的平移和面外旋转）以及训练与测试数据之间的领域偏移较为敏感。未来的工作可能会探索多视图校准以提高鲁棒性。