使用 PatchMorph 的 3D 大脑图像配准网络的内存高效训练

理解大量大脑扫描数据

现代大脑研究依赖于比较来自多人或多种动物的 3D 扫描，但每个大脑图像在大小、形状和分辨率上都有细微差异。准确地将它们对齐而不依赖巨大的计算资源是一项重大挑战。本文提出了 PatchMorph，一种用于对齐大型 3D 大脑图像的新方法，显著降低了内存使用，同时保持甚至提高了配准精度，从而使研究更大、更丰富的大脑数据集成为可能。

引用: Skibbe, H., Byra, M., Watakabe, A. et al. Memory efficient training for 3D brain image registration networks using PatchMorph. Sci Rep 16, 14386 (2026). https://doi.org/10.1038/s41598-026-44858-x

关键词: 大脑图像配准, 深度学习, 医学影像, 3D MRI, PatchMorph