VMambaMorph：基于带 cross-scan 模块的 Visual State Space Model 的多模态可变形图像配准框架

基于摘要分析。VMambaMorph 面向三维多模态医学图像的可变形配准，探索如何利用 VMamba 的全局依赖建模能力，将源体积与目标体积对齐到统一坐标系。其核心贡献是混合 VMamba-CNN 配准网络、面向三维体积特征改造的 cross-scan 模块，以及用于处理多模态复杂运动与结构的微调式递归配准框架。 机制方面，网络采用 U 形架构，根据源体积和目标体积计算形变场；作者将 VMamba 模块中的二维 cross-scan 改造用于三维特征处理。摘要未说明三维扫描路径、特征融合方式、配准损失、形变约束，以及递归过程的训练与推理细节，这些内容尚未验证。摘要以 CNN-based VoxelMorph、ViT-based TransMorph 和 SSM-based MambaMorph 作为研究背景，但不能据此确认实际实验包含全部这些对照。 作者报告，在一个公开的脑部 MR-CT 配准基准上，与当前先进方法比较时，VMambaMorph 获得了具有竞争力的配准质量。摘要未给出基准名称、样本规模、数据划分、评价指标或数值，因此尚不能判断优势大小及统计可靠性；实验协议、消融及统计信息尚未验证。作者称 VMambaMorph 与全部基线方法的代码已在 GitHub 提供，但材料未给出仓库地址，代码可访问性及复现条件尚未核对。 该研究的主要对象是医学影像空间配准，而非 EEG 解码或 BCI。脑部 MR-CT 数据的使用本身不构成 BCI 有效性证据；摘要未提供与 EEG 时序建模、跨被试差异或通道结构对应的具体机制，因此不据此提出 EEG 迁移实验。已有 EEG 相关工作尚未检索确认。