兰其斌，黄立勤

(1. 福建师范大学协和学院，福建 福州 350117； 2. 福州大学物理与信息工程学院，福建 福州 350108)

0 引言

医学图像配准技术是医学图像分析中的关键步骤，是实现医学图像融合、 分割、 对比和重建的前提. 应用图像配准技术可以监测人体内部器官和感兴趣区域的运动轨迹，通过配准心肌组织能够跟踪心脏的运动信息从而监测心脏功能. 超声心动图配准的研究工作在近年取得了一定的进展，大部分的研究主要基于传统非刚性医学图像配准方法. Zagrodsky等[1-2]提出基于互信息的超声图像配准方法，实现了同一病人图进行融合. Woo等[4]在变分框架下，利用强度信息和局部相位信息进行非刚性超声图像配准. Matinfar等[5]提出了基于模型的快速高精度分割，通过计算相应控制点之间的薄板样条(TPS)变换实现超声图像配准. Veene等[6]采用一种多分辨率非刚性配准算法，运用三维三阶B样条估计变形场实现在三维超声图像二尖瓣环跟踪. 基于传统非刚性医学图像配准，由于特征点选取过程繁琐，往往需要人工操作缺乏自动性，对于每一对待配准的图像，传统的配准方法通常从零开始迭代优化代价函数，忽略了同一数据集图像间共享的固有配准模式，限制了配准速度，同时由于参数的维数不是很高，参数化后的近似模型与原问题之间差距较大，使配准精度降低.

随着深度学习的出现，近年来各种计算机视觉任务的算法性能有了显著的进步，基于深度学……