无参照多模态体积配准的 X 射线显微镜和光片荧光显微镜

提出了一种基于条件归一化流的新架构，适用于快速三维重建和实时三维采集。

利用深度学习技术，通过自动多模式图像配准方法提高光学技术验证的准确性。

提出了一种绕过DAS波束成形的方法，以提高超声定位显微镜的分辨率性能。

BigFUSE方法稳定了LSFM中的图像融合，能够排除结构性伪影。

MSKdeX算法通过肌肉骨骼分解库，提升了X射线图像在肌肉骨骼疾病诊断中的应用前景。

FluoroSAM模型在医学X光图像的解剖结构分割方面表现出色，具有零样本泛化能力。

Cross-SAM方法利用嵌入学习和CT-MRI注册的迭代过程，实现跨模态匹配，表现出鲁棒性。

针对侧面头颅X射线图片的颅测定点检测，采用多种数据增强技术提高模型的鲁棒性。

提出了一种自监督机器学习方法，通过衍射图像恢复粒子方向，展示了卓越的重建能力。

提出了一种结合局部描述符与3DFFT技术的匹配框架，用于不同模态数据的图像配准。