2026年9月27日至10月1日,第29届国际医学图像计算与计算机辅助介入大会(MICCAI 2026)在法国斯特拉斯堡举行。于天琪(26级博士生)赴法参会,以海报形式展示了课题组在双平面 X 射线三维重建方面的研究工作 ALFA,并与国际同行进行了交流。
于天琪在 ALFA 海报前向参会学者介绍研究工作
本次展示的论文为 ALFA: Biplanar X-ray Reconstruction via Anatomy-Latent Field Adaptation。该工作关注如何从两幅正交 X 射线投影中恢复三维解剖结构,提出将解剖表示学习与成像几何适配分开的两阶段重建框架:首先,利用共享的隐式神经表示(Implicit Neural Representation, INR)从 CT 体数据中学习连续的解剖潜在空间;随后,在重建时依据实际成像几何优化潜在编码,使生成的投影与观测数据保持一致。通过这种解耦设计,ALFA 能够适应不同的采集几何,减少成像设置变化时对重新训练的依赖。
ALFA 两阶段框架:解剖潜在空间构建与成像几何引导的潜在编码适配
在海报展示期间,于天琪与来自牛津大学、莱顿大学等机构的学者围绕 X 射线成像几何、稀疏重建的数学建模以及开源工具链优化展开了讨论。与 ASTRA Toolbox 团队的交流,也为进一步提高 ALFA 的计算效率提供了参考。
与法国 Grenoble INP–Phelma 的工程师交流时,双方重点讨论了 ALFA 在全身成像场景中的应用潜力。同行从视场限制、骨骼形变以及临床扫描协议适配等方面提出了具体建议,为后续拓展重建场景、检验方法在实际采集条件下的适用性提供了思路。
除了海报展示,于天琪还参加了多场主旨演讲、口头报告和专题讨论,重点关注生成式模型在医学成像逆问题中的应用,以及零样本泛化、少样本自适应和医学基础模型等研究方向。在与隐式神经表示和生成式模型领域的研究者交流时,他也讨论了高效隐式表示、零样本扩散模型的快速推理等问题。
结合现场反馈,于天琪希望在后续研究中进一步探索高效隐式表示与生成式先验的结合,并关注方法在多中心、多设备数据上的泛化能力。同时,将重建算法与真实扫描协议及临床工作流相结合,也是此次参会带来的重要思考。
感谢上海科技大学信息科学与技术学院和张玉瑶老师对本次参会及科研工作的支持与指导。