- 2020-6-25 更新
我的配准项目的开源计划更新完成了，既有博客讲解重要内容，又有视频讲解配准项目，以及项目代码的GitHub仓库，具体请看该链接，希望对大家有所助益，主要内容复制如下：
- GitHub仓库（Timmy-Fang/Deformable-Image-Registration-Projects）
- CSDN博客 （即本人的博客，建议进入我的个人主页，查看我的全部博客）
- bilibili视频 （请关注我的B站账号：Timmy870，欢迎大家来观看、发弹幕、留言讨论，谢谢~）
发表的论文
我投稿的两篇会议论文也都发表出来了，有兴趣的可以点击链接，下载观看，第一篇是利用基于无监督学习的非刚性配准模型在胸部X光图像上的应用，第二篇是该模型在胸部CT图像配准任务的应用创新实践，文章链接罗列如下。
- Unsupervised learning-based deformable registration of temporal chest radiographs to detect interval change
- A FCN-based Unsupervised Learning Model for Deformable Chest CT Image Registration
- 2020-3-16 更新
临近毕业，已经完成了毕业答辩，我计划陆续开源我的项目代码，把学到的知识还奉献给配准社区，具体的开源计划与进度可以查看这篇博客，另外，欢迎各位关注我的B站账号：Timmy_毛毛，方便以后及时观看我的更新内容，谢谢~
- 2019-6-21 更新
没想到我的一篇深度学习做配准入门级的综述，竟然炸出来了这么多配准小白，甚是惊讶！我相信大家的初衷是一样的，都是为了交流学习配准而来。配准是个复杂的问题，刚开始接触这个，我也很迷茫，不知道从何下手，不清楚配准到底是什么样的，怎么实现的。完成本科的教育之后，我仅仅对配准有一个粗略的印象，对配准的算法细节更是一窍不通。虽然我的本科毕设做的就是配准，但当我的硕士导师询问我具体的细节时，我支支吾吾的回答不上来，当时对配准还只是一知半解，而且毕业后都还给老师了。
在图像处理领域中，配准是一项相对复杂得多的任务，无论是数学原理、处理步骤，还是结果评价等方面，都存在很多难题。虽然现在也有很多传统的配准方法取得了很好的效果，但是由于传统方法本身的局限性，导致其仍然存在很多问题，比如：
- 适用性差，一种方法或一组参数只适用于某一特定模态甚至是特定的数据集上；
- 处理速度慢，由于传统的配准方法大都是采用迭代优化的方式搜寻最优参数的，这导致其处理速度相当慢，很难应用在实时化场景中；
- 配准的结果评估是一个没有金标准的难题，我在实践当中深有体会，目前利用深度学习配准的方法大多采用分割标记的重合度（DICE）评价配准，这是有其局限性的；
- 标注的数据极其有限，深度学习极其依赖数据，大家都知道，而利用监督学习方法就需要大量的带标注的数据，这就更难收集了，不过还好，现在有无监督学习；
- 等等。
近几年深度学习的火热带动了很多领域的研究，配准任务也紧跟潮流，利用深度学习技术来改进算法，对以上问题的解决有了新的希望。
我相信大家和我一样，刚开始接触配准，手足无措，孤立无援，极其渴望配准大佬与深度学习大佬的指点与帮助，而身边又没有做配准的人可以指导，导师也不是专门做这个的。我发表这篇博文的初衷就是为了寻找志同道合的人，和大家一起讨论交流，学习进步，顺利毕业。没想到还是有不少人在做配准的，真是喜大普奔。自博客发表以来，陆续有不少人联系我，和我讨论交流配准的问题，但由于本人水平与精力有限，并不能给予及时合理的答复，因此我们考虑了某个小伙伴的建议，建了一个专门的配准萌新交流群（QQ，869211738），方便大家互相学习交流，共享资源。群里的规矩就一条，只能发与配准有关的东西，否则将被清理出群。欢迎大家进群交流配准！
写在前面的话
本人硕士研究生在读，主攻基于深度学习的医学图像处理方向，现在在做基于CNN的二维图像非刚性配准的研究。配准是医学图像处理中常用的基本技术，大量使用在医疗影像领域的各个方面，比如病灶检测，疾病诊断，手术规划，手术导航，疗效评估等。相较于检测、分类与分割任务，医学图像配准任务更加复杂，由于其任务本身的特性，将深度学习技术在自然图像上取得的进展迁移到配准任务上也更难一些，但随着深度学习的学习与研究热潮的高涨，配准领域的研究也因此受益，目前也有一定量的工作发表。前不久我做了相关的文献调研，写了该篇文献综述给导师看，简要总结了近两三年该领域的研究进展与方向，现粘贴如下。因水平有限，还在学习与研究中，难免有不恰当、不准确的地方，欢迎大家批评指正，一起交流学习！
最低0.47元/天 解锁文章
5236
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
