【论文笔记】传统医学图像配准综述

目前我还处于研零阶段，因为毕设原因，需要研究配准这一方向，故把自己学习的一些论文或资料整理记录在博客上。如有不正确的地方，还请指正。

一、前言

因为之前对医学图像配准这个方向一无所知😭，所以前两个星期主要了解了一下配准是什么、为什么和怎么做的问题。在查文献时，我主要看的还是一些中文的综述文献，可以帮助我快速领略到一些领域的common sense。同时我也注意到，深度学习逐渐应用到配准领域。所以第一周主要调研一下传统配准，第二周调研基于深度学习的配准。可能并不是很全面，以后有时间再慢慢补充。

二、什么是配准

1.概念

对于一组图像数据集中的两幅图像，通过寻找一种空间变换把一幅图像（浮动图像）映射到另一幅图像（参考图像）上，使他们之间对应点达到空间上的一致。

2.表示

• M(x,y,z)代表浮动图像(moving image)，F(x,y,z)代表参考图像(fixed image)，S(·)是配准测度函数，T(·)是空间变换

   S(T(·)) = S(F(x,y,z), T(M(x,y,z)))

• C表示变换模型的参数。当采用相似性测度函数时，使测度函数值达到max的参数为最优参数；采用差异性测度函数时，使测度函数值达到min的参数为最优参数

	C* = arg max S(g(C))

	C* = arg min S(g(C))

<