[TMI 2024] 纯卷积的反击！RDP：无需预对齐的递归金字塔医学图像配准新 SOTA

论文题目 ：Recursive Deformable Pyramid Network for Unsupervised Medical Image Registration
发表出处 ：IEEE Transactions on Medical Imaging (TMI), Vol. 43, No. 6, June 2024
作者机构 ：Haiqiao Wang, Dong Ni, Yi Wang 等 (深圳大学医学超声关键技术国家地方联合工程实验室)
关键词 ：Deformable Image Registration, Convolutional Neural Networks, Pyramid Network, Brain MRI
Github：https://github.com/ZAX130/RDP.git

1. 🚀 省流版摘要 (TL;DR)

本文提出了一种名为 RDP (Recursive Deformable Pyramid) 的无监督医学图像配准网络。与当前盲目堆砌 Transformer 或复杂注意力机制的趋势不同，RDP 回归了纯卷积 架构，通过巧妙的递归金字塔策略，实现了由粗到精的形变场预测。

该方法不仅在 LPBA 、Mindboggle 和 IXI 三大公开数据集上击败了包括 TransMorph 在内的 SOTA 方法，更重要的是，它无需耗时的仿射预对齐（Affine Pre-alignment） 也能处理大变形，极大地提升了临床部署的便捷性和效率。

2. 🧐 背景与痛点 (Motivation)

现有问题

医学图像配准（Image Registration）旨在寻找一个非线性变换，将浮动图像（Moving Image）对齐到固定图像（Fixed Image）。然而，面对大体积形变（Large Volumetric Deformations），传统的迭代优化方法速度太慢，而早期的深度学习方法（如 VoxelMorph）往往因为单阶段预测能力有限，难以捕捉复杂的解剖结构变化。

传统方法的局限

为了解决大变形问题，业界提出了"金字塔（Pyramid）"结构，即由粗到精逐步配准。然而，现有的金字塔网络存在以下痛点：

架构臃肿：为了提升性能，许多网络引入了沉重的 Transformer 或复杂的 Attention 模块（如 PCnet），导致显存占用高，训练困难。
语义模糊：部分方法在金字塔层级间传递特征时，忽略了高层语义信息的融合，导致底层特征缺乏全局指导。
依赖预处理：绝大多数现有的深度配准网络（包括 TransMorph）都假设输入图像已经经过了刚性或仿射对齐。如果直接输入原始图像，性能会断崖式下跌。这意味着临床使用时必须先跑一个传统的仿射配准，增加了额外的时间成本和插值误差。

本文的切入点

作者团队反其道而行之，思考：是否可以不使用 Transformer，仅通过优化纯卷积网络的结构设计来解决大变形问题？

他们的答案是 RDP------利用**递归（Recursive）**机制，在金字塔的每一层内部进行多次迭代修正，并强化层级间的语义传递，从而在保持模型轻量化的同时，实现对大变形的精准捕捉。

3. 💡 核心方法 (Methodology)

本文的核心在于设计了一个递归可变形金字塔（Recursive Deformable Pyramid）。

3.1 整体架构 (Overall Architecture)

模型采用了经典的 U-Net 变体结构：

双流编码器 (Dual-stream Encoder)：不共享权重的 ResNet 模块分别提取 Fixed Image 和 Moving Image 的特征。这考虑到两幅图像在未对齐前空间分布差异巨大，独立编码更合理。
金字塔解码器：这是核心所在。解码器分为 4 个层级（Level），从最深层（低分辨率）到浅层（高分辨率）依次进行。

3.2 关键模块详解 (Key Modules)

1. 递归策略 (Recursion Strategy)

这是 RDP 的灵魂。在解码器的每一层 lll 中，网络并不是只预测一次形变场，而是进行 nln_lnl 次循环递归。

流程：
1. 特征融合 (CConv) ：将当前层的 Fixed 特征、经过当前形变场 Warp 后的 Moving 特征、以及上一层上采样来的特征进行拼接融合，生成融合特征 ClC_lCl。
2. 形变估计 (Def) ：基于 ClC_lCl 预测一个残差形变场 (Residual Deformation Field) ϕs\phi_sϕs。这里使用了微分同胚（Diffeomorphism）层，通过积分速度场来保证形变的拓扑保真性（防止折叠）。
3. 形变融合 (Fusion) ：将新预测的残差场 ϕs\phi_sϕs 与之前的累积形变场 ϕs−1\phi_{s-1}ϕs−1 进行组合。公式如下：
  φs=φs−1∘ϕs+ϕs \varphi_s = \varphi_{s-1} \circ \phi_s + \phi_s φs=φs−1∘ϕs+ϕs
  注意这里使用的是复合运算（Composition）而非简单的加法，这更符合物理上的连续形变过程。

2. 语义传递 (Semantic Transfer)

为了解决传统金字塔网络中"语义模糊"的问题，RDP 在递归过程中，不仅传递形变场，还将融合后的高层语义特征 ClC_lCl 上采样后传递给下一层分辨率。这样，浅层（高分辨率）的计算也能感知到深层的全局语义信息，从而在处理细节时不会"迷失方向"。

3. 纯卷积设计 (Pure Convolutional Design)

整个网络完全由标准的卷积层、实例归一化（Instance Norm）和 LeakyReLU 组成，没有使用任何 Self-Attention 或 Transformer 模块。这使得网络易于实现，且计算效率极高。

4. 📊 实验与结果 (Experiments)

数据集

作者在三个公开的脑部 MRI 数据集上进行了广泛测试：

LPBA (40 volumes)
Mindboggle (62 labeled ROIs, 包含大变形)
IXI (58 test volumes)

对比实验

与 SyN (传统方法), VoxelMorph, TransMorph (Transformer SOTA), PCnet, RDN 等 12 种方法进行了对比。

核心结论 1：全方位性能领先

在所有三个数据集上，RDP 在 Dice Score (DSC) 、ASSD 和 Hausdorff Distance 指标上均取得最优结果。特别是在 Mindboggle 这种大变形数据集上，RDP 表现尤为出色。

核心结论 2：无需预对齐 (No Affine Pre-alignment)

这是本文最大的亮点。

实验设置：对比了使用"经过仿射预对齐的数据"和"原始未对齐数据"训练/测试的效果。
结果：大多数方法（如 VoxelMorph, TransMorph）在处理未预对齐数据时，性能大幅下降（Dice 暴跌）。而 RDP 即使在没有预对齐的情况下，依然保持了极高的精度 ，甚至超过了其他方法在预对齐数据上的表现。

核心结论 3：效率优势

相比于结构复杂的 PCnet，RDP 在相同通道数设置下，训练显存减少了 25%，推理速度快了 33%（仅需 0.68秒）。

消融实验

递归次数：实验证明，增加递归次数能逐步提升精度，最终选定各层的递归次数为 (2, 2, 3, 1)。
语义传递：去除语义传递机制后，模型性能有明显下降，证明了高层语义对精细配准的指导作用。

5. 🧠 笔者思考与总结 (Conclusion & Thoughts)

优点总结

大道至简 ：在 Transformer 统治医学图像分析的今天，RDP 证明了精心设计的纯卷积网络依然具有强大的竞争力。
解决痛点：无需仿射预对齐是一个巨大的工程优势。这意味着医生在使用 AI 辅助配准时，可以直接输入原始图像，省去了繁琐的预处理步骤，真正实现了 End-to-End。
递归细化：通过在同一分辨率下反复"打磨"形变场，模拟了人类"先看大概，再修细节"的认知过程。

潜在局限

虽然推理速度很快，但由于引入了递归（循环），训练时的计算图可能会比单阶段网络（如 VoxelMorph）更深，对显存有一定要求（尽管比 PCnet 低）。
论文主要验证了脑部 MRI，对于形变更为剧烈且不规则的腹部器官（如肝脏、肺部呼吸运动），其递归策略的鲁棒性还有待进一步验证。

未来展望

RDP 的递归思想可以很容易地扩展到其他任务中，例如医学图像分割（递归细化边缘）或多模态配准。此外，将这种递归结构与轻量级的 Attention 机制结合，可能会在精度和效率之间找到更好的平衡点。