基于深度学习的医学影像配准综述

• 作者: 应时辉 杨菀 杜少毅 施俊
• 来源期刊: 模式识别与人工智能
• 关键词: 图像配准 深度学习 形变场 微分同胚 多尺度正则
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: “智能医疗及医学图像处理”专辑|Intelligent Medical Treatment and Medical Image Processing
• 页码范围: 前插1-前插2,287-299
• 页数: 1页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.202104001

摘要

图像配准是医学影像处理与智能分析领域中的重要环节和关键技术.传统的图像配准算法由于复杂性较高、计算代价较大等问题,无法实现配准的实时性要求.随着深度学习方法的发展,基于学习的图像配准方法也取得显著效果.文中系统总结基于深度学习的医学图像配准方法.具体地,将方法归为3类:监督学习,无监督学习和对偶监督/弱监督学习.在此基础上,分析和讨论各自优缺点.进一步,着重讨论近年来提出的正则化方法,特别是基于微分同胚表示的正则和基于多尺度的正则.最后,根据当前医学图像配准方法的发展趋势,展望基于深度学习的医学图像配准方法.