ISTN 我们引入了一种新颖的，基于学习的通用图像注册框架，即图像和空间变压器网络，以利用兴趣结构信息，使我们能够学习针对下游注册任务进行了优化的新图像表示形式。 由于这些表示，我们可以对转换参数进行特定于测试的迭代细化，即使使用非常有限的训练数据也可以产生高度准确的配准。 该作品已在MICCAI 2019上被接受。如果您使用该代码，请在所有由此而来的出版物中引用该论文： inproceedings{lee2019istn, author = {Lee, Matthew C.H. a