2019-Recursive cascaded networks for unsupervised medical image registration-ICCV文献精读

美国埃默里大学医学院Xiaofeng Yang老师课题组新出的这篇论文对近几年医学图像配准深度学习方法进行了全面综述，根据其方法、特征和流行程度分为七类，对每个类别进行了详细的调研，强调了其重要的点及其相应挑战，帮助读者更好地了解当前的研究现状和思路，并且使用基准数据集对基于深度学习的肺和脑配准方法进行了全面比较，最后也介绍了未来的研究方向。

此套资料包含：《医学图像配准技术与应用》正版图书 图书内容介绍目录如下： （1）《医学图像配准技术与应用》正版图书 目录 前言 第1章　绪论 　1.1图像配准概述 　　1.1.1图像配准的数学定义 　　1.1.2图像配准的基本框架 　　1.1.3图像配准方法的分类 　　1.1.4图像配准的步骤 　1.2图像配准在医学领域的应用 　　1.2.1医学图像配准的发展历史 　　1.2.2配准技术的应用 　　1.2.3医学图像配准的国内外研究现状和面临的问题 　　1.2.4医学图像的配准方法 　　1.2.5常用的医学图像配准技术及其应用 　1.3全书框架 　参考文献 第2章　特征空间和搜索空间 　2.1特征空间 　　2.1.1点检测 　　2.1.2线检测 　　2.1.3Hough变换 　　2.1.4边缘检测 　　2.1.5水平集 　2.2搜索空间 　　2.2.1平移变换 　　2.2.2旋转变换 　　2.2.3缩放变换 　　2.2.4仿射变换 　参考文献 第3章　搜索策略 　3.1一维搜索算法 　　3.1.1黄金分割法 　　3.1.2进退法 　　3.1.3抛物线法 　　3.1.4Brent方法 　3.2Powell算法 　　3.2.1基本Powell算法实现 　　3.2.2改进的Powell算法 　3.3遗传算法 　3.4蚁群算法 　3.5物理模型 　3.6光流场模型 　参考文献 第4章　医学图像配准 　4.1配准对象分类 　　4.1.1基于成像模式 　　4.1.2基于主体来源 　　4.1.3基于图像特征 　4.2基本原理 　　4.2.1算法框架 　　4.2.2算法流程 　4.3典型算法分类 　　4.3.1像素级配准 　　4.3.2特征级配准 　　4.3.3基于形变模型的配准 　4.4图像配准质量评价 　　4.4.1配准评价指标 　　4.4.2评价方法 　参考文献 第5章　刚性医学图像配准算法及其实现 　5.1基于遗传算法的医学图像配准算法 　　5.1.1算法思想与步骤 　　5.1.2边缘提取 　　5.1.3参数搜索 　　5.1.4实验和结果分析 　5.2基于点集匹配的医学图像配准算法 　　5.2.1算法思想与步骤 　　5.2.2特征点提取 　　5.2.3特征点匹配 　　5.2.4实验和结果分析 　5.3基于互信息的3D图像配准 　　5.3.1算法思想与步骤 　　5.3.2相似性度量 　　5.3.33D变换参数估计 　　5.3.4优化搜索策略 　　5.3.5互信息配准 　　5.3.6实验和结果分析 　参考文献 第6章　非刚性医学图像配准算法及其实现 　6.1基于B样条的弹性医学图像配准 　　6.1.1算法思想与步骤 　　6.1.2B样条函数 　　6.1.3相似性度量 　　6.1.4参数优化 　　6.1.5实验和结果分析 　6.2基于三角形网格的非刚性医学图像配准算法 　　6.2.1算法思想与步骤 　　6.2.2全局刚性配准 　　6.2.3特征点提取 　　6.2.4特征点匹配 　　6.2.5局部精确配准 　　6.2.6实验和结果分析 　6.3基于光流场模型的非刚性医学图像配准算法 　　6.3.1算法思想与步骤 　　6.3.2特征向量提取 　　6.3.3特征向量匹配 　　6.3.4粗配准 　　6.3.5精配准 　　6.3.6实验和结果分析 　参考文献 第7章　配准图像在图像融合中的应用 　7.1像素级医学图像融合 　　7.1.1加权平均法 　　7.1.2对比度调制法 　　7.1.3基于图像分割的图像融合 　　7.1.4小波域图像融合 　　7.1.5Contourlet域图像融合 　7.2特征级医学图像融合 　　7.2.1基于纹理提取的图像融合算法 　　7.2.2基于聚类划分的图像融合方法 　7.3融合图像结果评价 　　7.3.1主观评价 　　7.3.2客观评价 　　7.3.3评价指标选取 　　7.3.4小结 　参考文献 第8章　配准图像在多维可视化中的应用 　8.1医学图像三维可视化技术 　　8.1.1概述 　　8.1.2面绘制方法 　　8.1.3体绘制方法 　　8.1.4其他方法 　8.2三维可视化交互技术 　　8.2.1多平面切割 　　8.2.2任意平面切割 　　8.2.3长方体切割 　　8.2.4三维空间定量测量 　　8.2.5三维可视化演示 　8.3医学图像四维可视化技术 　　8.3.1概述 　　8.3.2空间分割算法 　　8.3.3心电门控技术 　8.4心脏的四维可视化 　　8.4.1心脏CT数据采集 　　8.4.2心脏的四维可视化 　　8.4.3四维心脏VR实现 　　8.4.4四维心脏最大密度投影 　　8.4.5四维可视化效果 　8.5感兴趣区域四维可视化 　　8.5.1局部冠状动脉仿真 　　8.5.2感兴趣体积提取 　参考文

基于Mattes互信息的医学图像配准的ITK研究与实现，张密，吴效明 ，近来非刚性医学图像配准在临床上的需求越来越明显，而使用互信息的方法已经受到许多学者的关注。本文使用ITK (The Insight Toolkit)完成��

基于深度强化学习的多模态医学图像配准.pdf

基于MATLAB的医学图像配准实验.pdf

基于最大互信息和混合优化算法的医学图像配准算法，利用模拟退火算法思想改进粒子群优化算法，提高全局寻优能力，更好的跳出局部最优

多模态医学图像配准与融合算法的研究，多模态医学图像配准与融合算法的研究

多模态医学图像配准技术的研究，林晓梅，魏巍，多模态医学图像配准近年来成为了医学图像处理领域的热点与难点。尽管这方面的研究已经开展有了一些成果，但目前的所应用的主要方

医学图像配准中的深度学习综述论文解读