Learning Diffeomorphism for Medical Image Registration with Time-Embedded Architectures Using Semigroup Regularization¶
会议: CVPR 2026
论文: CVF Open Access
代码: https://mattkia.github.io/SGDIR/ （项目页）
领域: 医学图像
关键词: 微分同胚配准、半群正则、连续时间、时间嵌入架构、拓扑保持
一句话总结¶
SGDIR 把医学图像微分同胚配准重写成一个连续时间问题：用扩散模型里常见的时间嵌入骨干网络（UNet / DiT）直接预测任意时刻 \(t\) 的形变场 \(\phi_t\)，并证明只需一个"偏半群（partial semigroup）"正则项，就能让网络隐式学到一条 ODE 的流（flow），从而免去 scaling-and-squaring 积分和各种手工正则，同时天然保证可逆性、循环一致性与近乎零折叠的微分同胚。
研究背景与动机¶
领域现状：微分同胚图像配准（DIR）要找一个光滑、可逆、保持解剖拓扑的形变 \(\phi\)，把运动图像 \(I_m\) 对齐到固定图像 \(I_f\)。在医学影像里，形变一旦出现"折叠（folding）"或"撕裂"，映射就失去物理意义。现代主流做法是参数化一个速度场 \(v\)，再用 scaling-and-squaring 积分把它重建成形变 \(\phi_1\)，并叠加一堆手工正则（雅可比惩罚、平滑约束等）来逼出可逆性。
现有痛点：这条主流管线有三处别扭。其一，scaling-and-squaring 是一套数值积分，计算开销大且只能在固定时间网格上求值。其二，可逆性和循环一致性这种"医学配准里最该天然成立"的性质，却往往是靠额外显式损失硬加上去的——例如同时预测正向场 \(\phi_1\) 和反向场 \(\phi_1^{-1}\) 再约束二者一致。其三，扩散启发的连续时间方法（DiffuseMorph、DiffuseReg）虽然引入了时间维，但仍依赖迭代采样和辅助约束，没从第一性原理推出微分同胚。
核心矛盾：根本问题在于，大家把"微分同胚"当成一个需要外部约束去维护的属性，而不是模型结构里内生的属性。于是积分方案和正则项越堆越多，可逆性却仍是"补丁式"保证。
本文目标：构造一个连续时间框架，让微分同胚成为训练目标的必然结果——不依赖任何积分方案、不依赖任何手工平滑/逆一致性正则、不绑定特定网络结构。
切入角度：作者的关键观察是，ODE 流 \(\{\phi_t\}\) 满足半群性质 \(\phi_t \circ \phi_s = \phi_{t+s}\)，而半群性质本身就蕴含了逆元 \(\phi_t^{-1}=\phi_{-t}\) 与微分同胚结构。既然如此，与其去显式积分一条 ODE，不如反过来：只要逼着网络的输出满足（部分）半群约束，它就被迫去学那条 ODE 的流。
核心 idea：用一个时间嵌入网络直接预测 \(\phi_t\)，再用单一的偏半群正则项把它"钉"成 ODE 流——以半群一致性换取微分同胚，而不是以积分+正则去换。
方法详解¶
整体框架¶
SGDIR 要解决的是"如何不积分也能得到微分同胚"。它的整体转法是：把形变写成时间 \(t\) 的连续函数，用一个时间嵌入骨干网络 \(\mathbf{F}\) 直接输出任意时刻的形变场，训练时同时优化一个"时间连续的相似度损失"和一个"偏半群正则项"，由权重 \(\lambda\) 控制后者强度。训练完成后，网络可以在任意 \(t\in[-1,1]\) 上即时查询形变，把任一图像朝另一图像 warp。
具体地，形变被参数化为
其中 \(\mathbf{F}\) 是以两张图像为条件、带时间嵌入的网络（实验中用时间嵌入 UNet 或 Diffusion Transformer）。这个写法天然满足 ODE 的初值条件 \(\phi_0(x)=x\)。两个损失分别负责"对齐得准"和"是合法的流"，最后由 \(\lambda\) 这一个旋钮在"严格微分同胚"和"灵活可形变"两种模式间切换。
%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
A["输入：图像对 (I_f, I_m)<br/>采样时间 t ~ Uni(0,1)"] --> B["连续时间时间嵌入参数化<br/>phi_t(x)=x+t·F(x,t;I_f,I_m)"]
B --> C["时间连续双向相似度损失<br/>-NCC(phi_{t-1}[I_f], phi_t[I_m])"]
B --> D["偏半群正则<br/>phi_{2t-1}=phi_t∘phi_{t-1}"]
C --> E["单一 λ 统一开关<br/>L = L_sim + λ·L_sg"]
D --> E
E -->|"λ=1e5 严格"| F["微分同胚模式<br/>近零折叠"]
E -->|"λ=1e4 放松"| G["可形变模式<br/>SOTA 精度"]关键设计¶
1. 连续时间时间嵌入参数化：把形变写成 ODE 流而非积分终点
主流方法只在 \(t=1\) 处给出形变，要靠 scaling-and-squaring 一步步复合逼近。SGDIR 改成 \(\phi_t(x)=x+t\,\mathbf{F}(x,t;\theta)\)，让网络直接吃进时间 \(t\) 并输出对应时刻的形变。这个乘以 \(t\) 的结构有两个好处：一是 \(t=0\) 时强制 \(\phi_0(x)=x\)，自动满足 ODE 的恒等初值，不用额外约束；二是任意时刻都能一次前向求值，不需要迭代采样或数值积分。作者特意强调，这里不发明新结构——直接借用扩散模型里成熟的时间嵌入 UNet 和 DiT，论文的论点是"标准骨干在半群约束下训练就会变成微分同胚的"，所以方法是架构无关、与积分方案解耦的。
2. 偏半群正则：用一个约束逼出整条 ODE 流
这是全文的核心。理论上 ODE 流满足半群 \(\phi_t\circ\phi_s=\phi_{t+s}\)，但对任意时间对 \((t,s)\) 都施加这一约束在实践中不可行。作者证明只需施加一个可计算的偏半群约束就够：
即把"先走到 \(t-1\) 再走到 \(t\)"与"直接走到 \(2t-1\)"对齐，第二项交换复合次序以强制对称性，复合本身通过形变网格的双线性插值实现。论文给出 Theorem 1：满足该复合规则 \(\phi_{2t-1}=\phi_t\circ\phi_{t-1}\) 且 \(\phi_0(x)=x\) 的形变，就是一个指数映射，等价于一条自治 ODE 的单参数微分同胚解。这意味着——只要把这个偏半群残差压到零，网络输出就被数学地"锁"成 ODE 流，可逆性 \(\phi_t^{-1}=\phi_{-t}\)、循环一致性、拓扑保持全部内生于此，无需任何额外正则。这正是与既有方法的本质区别：别人把可逆性当损失项外挂，SGDIR 把它当作半群约束的推论。⚠️ 定理证明细节在附录，具体步骤以原文为准。
3. 时间连续双向相似度损失：一次约束覆盖所有时刻的正反向一致
既然 \(\phi_t\) 是连续流，作者用一个"对向相遇"的技巧来定义相似度：把运动图像正向 warp 到时刻 \(t\)，把固定图像反向 warp 到时刻 \(1-t\)，两者应当落到对应点。结合逆元恒等式 \(\phi_{1-t}^{-1}=\phi_{t-1}\)，得到约束 \(\phi_{t-1}[I_f]=\phi_t[I_m]\)，于是相似度损失（用归一化互相关 NCC）写成
它的妙处在于：早期方法（如 CycleMorph 一类）只在端点 \(t=1\) 处显式预测正反向场再约束一致，而这里对所有 \(t\in[-1,1]\) 自动获得双向一致性，且完全不需要单独建模逆场。换言之，正反向对称是从相似度损失的定义里"免费"得到的。
4. 单一 λ 旋钮：同一架构统一微分同胚与可形变两种范式
总训练目标为 \(\mathcal{L}=\mathbb{E}_{(I_f,I_m)\sim\mathcal{D},\,t\sim\mathrm{Uni}(0,1)}[\mathcal{L}^t_{\text{sim}}+\lambda\,\mathcal{L}^t_{\text{sg}}]\)。\(\lambda\) 直接控制半群约束的强度：取大（\(\lambda=10^5\)）时严格强制流一致性，得到近零折叠的微分同胚模型；取小（\(\lambda=10^4\)）时放松约束，同一个网络就退化成一个高度灵活的可形变模型，精度反而更高。这把"要拓扑安全"还是"要配准精度"变成了一个连续可调的权衡，而不是两套不同方法——这也是作者反复强调的"统一框架"卖点。
损失函数 / 训练策略¶
训练时同时均匀采样图像对和时间 \(t\sim\mathrm{Uni}(0,1)\)，最小化 \(\mathcal{L}^t_{\text{sim}}+\lambda\mathcal{L}^t_{\text{sg}}\)。相似度用 NCC，半群复合用双线性插值实现。全部实验在单张 NVIDIA RTX 3090（24GB）上完成，骨干为时间嵌入 UNet（12.8M 参数）或 DiT（68.6M 参数）。
实验关键数据¶
在 OASIS、CANDI、LPBA40、Mindboggle101、IXI、ACDC、Learn2Reg LungCT / AbdomenCTCT 共 8 个 2D/3D 的 MR 与 CT 数据集上评测。指标含 Dice、TRE、HD95、SSIM、ASSD，以及负雅可比行列式体素占比 \(|J|{<}0\%\)（拓扑违例率，越低越好）。
主实验：OASIS（脑 MRI）¶
| 类型 | 方法 | Dice↑ | \(\|J\|{<}0\%\)↓ | HD95↓ | SSIM↑ |
|---|---|---|---|---|---|
| 微分同胚 | GradICON | 84.53 | 0.0022 | 2.23 | 85.90 |
| 微分同胚 | TransMorph-diff（最强对手） | 84.63 | 0.0091 | 2.25 | 89.91 |
| 微分同胚 | SGDIR DiT (λ=10⁵) | 86.53 | 0.0 | 1.90 | 91.45 |
| 微分同胚 | SGDIR UNet (λ=10⁵) | 86.16 | 0.0 | 1.96 | 90.71 |
| 可形变 | TransMorph | 85.26 | 2.0155 | 2.39 | 91.79 |
| 可形变 | HViT | 85.38 | 0.3566 | 2.13 | 92.02 |
| 可形变 | SGDIR DiT (λ=10⁴) | 88.09 | 0.4332 | 1.73 | 93.80 |
（atlas-based 设定）微分同胚模式下 SGDIR 把 Dice 从对手最好的 84.63 提到 86.53，同时拓扑违例率压到 0.0（完全无折叠）；放松到可形变模式后 Dice 进一步冲到 88.09，超过所有可形变 SOTA。
主实验：AbdomenCTCT（腹部 CT，难度更高）¶
| 类型 | 方法 | Dice↑ | \(\|J\|{<}0\%\)↓ | HD95↓ | ASSD↓ |
|---|---|---|---|---|---|
| 微分同胚 | NePhi（最强对手） | 45.32 | 0.0008 | 12.48 | 3.90 |
| 微分同胚 | SGDIR UNet (λ=10⁵) | 53.64 | 0.0 | 10.07 | 2.97 |
| 微分同胚 | SGDIR DiT (λ=10⁵) | 52.23 | 0.0001 | 10.27 | 2.89 |
| 可形变 | SACB-Net | 53.38 | 0.9348 | 13.09 | 3.67 |
| 可形变 | SGDIR UNet (λ=10⁴) | 56.57 | 0.2683 | 9.19 | 2.45 |
腹部 CT 上微分同胚 SGDIR 把 Dice 从 45.32 拉到 53.64（+8 以上），且 \(|J|{<}0\%\) 仍为 0；可形变变体进一步到 56.57。作者总结：MRI 上微分同胚 SGDIR 平均 Dice 较最强微分同胚方法 +2.5%，AbdomenCTCT 上 Dice 提升超 +5%，LungCT 上 TRE 较最佳模型降低约 10%。
消融：半群正则权重 λ（OASIS / LungCT）¶
| λ | OASIS Dice↑ | OASIS \(\|J\|{<}0\%\)↓ | LungCT TRE↓ | LungCT \(\|J\|{<}0\%\)↓ |
|---|---|---|---|---|
| 10⁵ | 85.90 | 0.0003 | 2.37 | 0.0 |
| 10⁴ | 87.82 | 0.3982 | 2.23 | 0.0615 |
| 10³ | 84.66 | 3.1876 | 2.66 | 1.0183 |
| 10² | 81.01 | 6.7403 | 3.15 | 3.1098 |
| 10 | 80.23 | 7.0794 | 3.78 | 5.3951 |
| 0 | 79.80 | 7.8612 | 3.99 | 6.7632 |
这张表把半群正则的作用展示得很干净：\(\lambda\) 越大折叠越少（\(10^5\) 时几乎为零），但 Dice 略有牺牲；\(\lambda=10^4\) 是精度甜点（Dice 87.82）；继续减小到 \(10^3\) 以下，折叠率飙升、精度也崩塌。完全去掉正则（\(\lambda=0\)）时拓扑违例率高达 7.86%，Dice 跌到 79.80——说明半群正则不仅防折叠，还在约束形变轨迹、稳定优化、引导模型走向解剖上更合理的解。
计算效率¶
| 指标 | SGDIR UNet | SGDIR DiT | HViT | TransMorph-diff |
|---|---|---|---|---|
| 参数量 | 12.8M | 68.6M | 21.2M | 46.8M |
| 测试显存 | 2.82GB | 5.17GB | 5.76GB | 4.67GB |
| 测试耗时/迭代 | 0.25s | 0.22s | 0.51s | 0.46s |
由于砍掉了昂贵的积分方案，SGDIR 推理速度约为 HViT / TransMorph 的 2 倍、显存约为其一半。
关键发现¶
- 半群正则是发动机：去掉它（\(\lambda=0\)）后拓扑违例率从近零暴涨到 7.86%、Dice 掉到 79.80，证明微分同胚性确实是该约束内生的，而非骨干网络自带。
- 同一架构两种范式：\(\lambda\) 一个旋钮就在"零折叠微分同胚"和"超 SOTA 可形变"之间切换，无需改结构或重设计损失。
- 连续时间优于离散采样：随离散时间采样点增多，Dice 与 \(|J|{<}0\%\) 持续改善，连续采样（cont）取得最佳——说明时间维上的密集约束有助于学到更光滑可逆的流。
- 全时段拓扑保持：微分同胚 SGDIR 在整个 \(t\in[0,1]\) 区间都保持近零折叠，而可形变变体的折叠只在 \(t\approx 1\) 附近累积。
亮点与洞察¶
- 视角反转最让人"啊哈"：别人把微分同胚当成需要外挂正则去维护的属性，SGDIR 证明只要满足偏半群约束，网络就被迫学成 ODE 流——可逆/循环一致/拓扑保持全部是定理的推论，而不是单独的损失项。这是从"补丁"到"内生"的范式转变。
- "对向相遇"式相似度损失很巧：把运动图正向到 \(t\)、固定图反向到 \(1-t\)，用逆元恒等式 \(\phi_{1-t}^{-1}=\phi_{t-1}\) 直接得到全时段双向一致，免去显式建模逆场，这个 trick 可迁移到任何带连续时间假设的配准/光流任务。
- 架构无关性是务实卖点：不发明新骨干，直接复用扩散模型的时间嵌入 UNet/DiT，论点是"标准网络在半群约束下训练即变微分同胚"，这让方法易于被现有 pipeline 吸收。
- 一个 λ 统一两个范式，把临床上"要拓扑安全 vs 要配准精度"的取舍变成连续可调旋钮，工程上非常友好。
局限与展望¶
- 理论强度依赖偏半群是否真被压到零：Theorem 1 的结论建立在复合残差为零的理想极限上，实际训练只是把 \(\mathcal{L}^t_{\text{sg}}\) 优化得很小；\(\lambda\) 不够大时（如 \(10^3\)）折叠率立刻反弹到 3% 以上，说明"近乎微分同胚"对正则权重相当敏感。⚠️ 严格的逼近界以原文与附录证明为准。
- 可形变模式并非真微分同胚：\(\lambda=10^4\) 时虽然精度最高，但 \(|J|{<}0\%\) 已非零（OASIS 0.40、AbdomenCTCT 0.27），拓扑保证被牺牲，使用时需按场景在两种模式间权衡。
- 半群复合靠双线性插值近似：形变复合通过网格插值实现，插值误差是否会在长程或大形变时累积、影响理论保证，论文未深入讨论。
- 训练显存偏高：SGDIR UNet 训练峰值显存 22.6GB，逼近 24GB 卡上限；半群项需要计算复合 \(\phi_t\circ\phi_{t-1}\)，对显存有额外压力。
相关工作与启发¶
- vs scaling-and-squaring 系（SYMNet、TransMorph-diff）：他们参数化速度场再数值积分出 \(\phi_1\) 并叠加雅可比/平滑正则；SGDIR 直接预测 \(\phi_t\)、用半群约束代替积分与正则，推理更快（约 2×）、折叠更少（OASIS 上 0.0 vs 0.0091）。
- vs ODE 方法 NODEO：NODEO 用 neural ODE 显式积分学到的速度动力学；SGDIR 不假设速度 ODE，而是从半群一致性涌现出 ODE 流，绕开了 ODE 求解器。
- vs 端点逆一致方法（CycleMorph 等）：他们只在 \(t=1\) 显式预测正反向场再约束一致；SGDIR 对所有 \(t\in[-1,1]\) 自动双向一致，无需建模逆场。
- vs 扩散启发配准（DiffuseMorph、DiffuseReg）：二者借用去噪扩散学连续形变，但需迭代采样和固定时间网格、开销大；SGDIR 借用同款时间嵌入骨干却可在任意 \(t\) 即时查询，无迭代采样。
评分¶
- 新颖性: ⭐⭐⭐⭐⭐ 把微分同胚从"外挂正则"重构为"偏半群约束的数学推论"，并给出定理支撑，视角原创。
- 实验充分度: ⭐⭐⭐⭐⭐ 8 个 2D/3D MR/CT 数据集、覆盖微分同胚与可形变两条赛道，并含 λ/离散采样/时间/计算多维消融。
- 写作质量: ⭐⭐⭐⭐ 理论与动机清晰，但核心定理与逼近界细节下放附录，正文略需结合附录才能完全跟上。
- 价值: ⭐⭐⭐⭐⭐ 同一架构一个旋钮统一微分同胚与可形变、且更快更省显存，对医学配准实用性强。