摘要：醫學圖像配準技術是近年來醫學圖像處理領域中的關鍵技術之一,具有很高的臨床和實踐意義。由于人體內部軟體組織形態的多變性,采集到的醫學圖像往往同時存在剛性形變和非剛性形變,傳統的圖像配準技術,如經典的基于B樣條方法在對這類同時存在兩種形變的圖像進行配準時,如果存在較大的仿射變換,容易造成局部極值問題導致配準失敗。針對這一問題,提出一種結合深度學習與SIFT(Scale-invariant feature transform,尺度不變特征轉換)的多尺度B樣條配準方法。首先用SIFT對圖像進行仿射變換,然后B樣條進行局部形變校正,同時引入多分辨率策略,降低計算的復雜度,提高精度。最后利用超像素重建方法,消除低尺度配準時造成的圖像失真問題。實驗結果表明,本文算法針對同時存在2種形變的圖像,解決傳統B樣條算法配準失敗的問題,在NMI(互信息)與SSIM(結構相似性)評價下相對傳統B樣條算法配準性能得到大幅度提升。