%A 应时辉, 杨菀, 杜少毅, 施俊 %T 基于深度学习的医学影像配准综述 %0 Journal Article %D 2021 %J 模式识别与人工智能 %R 10.16451/j.cnki.issn1003-6059.202104001 %P 287-299 %V 34 %N 4 %U {http://manu46.magtech.com.cn/Jweb_prai/CN/abstract/article_12159.shtml} %8 2021-04-25 %X 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.