DreamReg：2D-3D 超声配准的信念驱动世界模型

超声 (US) 广泛用于手术导航，但由于部分可观察性、散斑噪声和依赖于动作的 US 采集，术中 2D 切片和术前 3D 体积之间的实时配准仍然具有挑战性。现有的方法是一次性的或短期的，这使得他们很难随着时间的推移收集证据或捕获外科医生如何根据屏幕反馈调整探头运动。我们提出了 DreamReg，一个信念驱动的世界模型框架，它将 2D-3D 配准制定为刚性变换的信念更新。 DreamReg 保持潜在的信念状态，总结过去的观察结果并提出信息，并在新切片到达时通过学习动态不断完善转换。在训练过程中，DreamReg 会接触到模仿临床扫描行为的探针运动轨迹，并学习通过根据当前美国观察结果调整姿势来更新其信念。在推理过程中，DreamReg 通过内部想象完善配准：它推出学习世界模型来模拟候选探针运动及其预测观察结果，并整合这些想象结果以收敛到精确的刚性变换。 CAMUS 和 u-RegPro 数据集上的实验表明，与最先进的方法相比，实时引导的鲁棒性和配准精度有所提高。