本研究提出了DiffuseReg，一种改进的可变形图像配准方法，解决了传统方法在可解释性和实时观察能力上的不足。通过去噪变形场，提高了透明度。在ACDC数据集上，DiffuseReg的Dice分数提高了1.32，显示出其在实时输出和调整中的优势。

本文提出了一种基于循环一致性的可变形图像配准方法，通过提供隐式正则化来保持变形过程中的拓扑性，解决了深度学习图像配准方法在拓扑性保留方面的缺陷。实验结果表明，该方法在医学和非医学应用中的各种数据集上提供了有效和准确的图像配准，可在几秒钟内处理多样化的图像对。