簡介
VoxelMorph使用CNN實現了非監督的醫學圖像配准，速度較之前的方法有很大提升。主要特點有：
提出了一種基於學習的解決方案，不需要在訓練過程中獲取諸如ground truth對應或解剖標志等信息；
提出一個參數跨種群共享的CNN函數，通過函數評估實現配准；
參數優化的方法可以使用各種代價函數，從而適應各種任務；
VoxelMorph這個組發表了多篇論文，有不同的使用場景，具體的區別請看論文，但代碼都在這一個庫
下載代碼：
https://github.com/voxelmorph/voxelmorph
到本地后解壓縮出來
配置環境:
本人環境：
ubuntu18.04 + Anaconda 4.7 + python3.7
然后安裝tensorflow和keras，這里看我之前的文章 （這里voxelmorph用的是tensorflow1+)
所以如果你用的是tf2,可以根據下面那個官方教程,然后自己改
然后安裝依賴
pip install nibabel
conda install -c conda-forge tqdm
pip install Pillow
pip install matplotlib
所有的安裝完了之后，就可以運行程序了。
運行
先進到下載的代碼的文件夾的src中，然后在終端上運行，：
python register.py - -gpu 0 ../data/test_vol.nii.gz ../data/atlas_norm.nii.gz --out_img ../data/out.nii.gz –model_file ../models/cvpr2018_vm2_cc.h5
運行后的結果在data文件件下的out.nii.gz中，如何查看，請看上篇文章
一個官方的教程:
https://www.kaggle.com/adalca/learn2reg
我根據這個教程,實現minist的時候,需要以下的文件,然后自己改下import就可以運行了
