En la práctica de cirugía guiada por imagen (IGS), combinar imágenes de rayos X 2D intraoperatorias con imágenes de rayos X 3D preoperatorias de tomografía computarizada (TC) permite la localización rápida y precisa de lesiones, lo que permite una cirugía más mínimamente invasiva y eficiente, y también reduce el riesgo de lesiones secundarias en nervios y vasos. Los métodos convencionales basados en optimización para el emparejamiento de rayos X 2D y TC 3D están limitados en velocidad y precisión debido a espacios de optimización no convexos y un rango de búsqueda restringido. Recientemente, los enfoques de aprendizaje profundo (DL) han demostrado una notable eficacia en la resolución de registros 2D-3D no lineales complejos. En este artículo, se propone un método de registro basado en DL rápido y robusto que toma una imagen de rayos X 2D intraoperatoria como entrada, la compara con la TC 3D preoperatoria y produce su posición relativa en x, y, z y cabeceo, guiñada, alabeo. El método emplea un extractor de características de transformador Swin de doble canal equipado con mecanismos de atención y pirámide de características para facilitar la correlación entre las características de los rayos X 2D y la pose anatómica de la TC. Las pruebas en tres regiones de interés diferentes adquiridas de conjuntos de datos de código abierto muestran que nuestro método puede lograr una alta precisión de estimación de posición (error medio de rotación y traslación de 0,142 grados y 0,362 mm, respectivamente) en poco tiempo (0,02 s). Las pruebas de robustez indican que nuestro método propuesto puede mantener cero fallos de registro en diferentes niveles de ruido. Este algoritmo de registro basado en el aprendizaje generalizable de 2D (rayos X) y 3D (TC) posee aplicaciones prometedoras en navegación quirúrgica, radioterapia dirigida y otras operaciones clínicas, con un potencial sustancial para mejorar la precisión y eficiencia de la cirugía guiada por imagen.