精度泛化兼优
采用两阶段框架与ResMorph网络设计，在粗到细的配准中保持拓扑结构并减少折叠，提升二维医学图像配准的精度与泛化能力。
丁熠 · Junjian, Bu · 秦臻 · You, Li · 曹明生 · 秦志光 · 庞明辉
Pattern Recognition 2024
两阶段框架逐步细化形变场，结合局部与全局特征，在三个数据集上均优于现有基于学习的方法。
引入残差图像知识，抑制2D配准中常见的变形折叠，保护局部结构。
残差图像知识缓解了2D图像信息稀缺导致的过拟合，使模型在新数据上表现更稳定。
粗到细的配准方式在形变过程中保持解剖结构的拓扑关系。