2.4 醫学图像配准

    医学图像配准是一种常见的图像分析任务，其通常在一种特定的(非)参数转换类型的迭代框架中进行。目前，图像配准主要有2种策略：第一种是使用深度学习网络来估算2幅图像的相似度，进而驱动迭代优化策略；第二种是使用深度回归方法直接预测转换参数。

    El-Gamal等[48]介绍了医学图像配准的概念及其技术发展动态。神经外科或脊柱外科医师使用图像配准来定位肿瘤或脊柱骨“地标”，以便于手术切除肿瘤或植入脊柱螺钉。图像配准涉及2幅图像，即参考图像和感知图像，其中参考图像可是术前脑磁共振成像图像，感知图像则可为首次切除肿瘤后的脑磁共振成像图像。感知图像被用来确定是否有残余肿瘤以及是否需要进行二次切除。

    Yang等[49]使用OASIS数据集中的脑磁共振成像图像，以编码-解码的方式堆叠卷积层，以预测输入像素如何变形为其最终配置 ......