可变形图像配准需要精确的解剖对应关系。现有学习式配准方法往往只关注匹配分数，却没有把匹配可靠性与空间上下文选择以及形变更新强度结合起来。尤其在组织均匀、纹理弱或形变剧烈的区域，模糊匹配容易导致错误的位移。为此我们提出 ReliMorph，一个对称的 3D 可变形配准框架。框架的核心是利用局部相关分布来度量对应的歧义程度，这些分布由共享的解剖特征构成，并通过模态特定的适配层进行校正。得到的可靠性信息在两个层面起作用：一是指导空间专家的加权融合，二是对残差速度进行门控，从粗到细的金字塔层级中逐步限制更新幅度。每一级的逆一致性误差被反馈回去，用来重新调整路由和门控策略。ReliMorph 是首个在 3D 可变形配准中同时以对应可靠性为条件进行专家路由和速度门控的系统。大量实验覆盖单模态和多模态配准任务，结果显示在解剖重叠指标上始终优于现有方法，验证了可靠性引导的有效性。
点评