【学习记录】：《An Unsupervised Learning Model for Deformable Medical Image Registration》总结

1.相关介绍:

大多数配准的方法解决了每个体素对的优化问题（体素对齐），对配准映射执行平滑约束。本文从体积（volumes）集合中学习参数优化配准函数，输入两个n维的体积（图像），输出一个图像所有体积元素到到另一个图像的映射。网络的参数（卷积核的权重等）通过对训练集的不断优化获得，使用一个全局优化函数代替传统的对每个测试图像对的优化。本设计的优点：

1.无监督，不需要金标准和标注信息；

2.使用权值共享，通过功能（函数）评估进行配准；

3.实现代价函数的参数优化。