本研究提出了一种新颖的去噪扩散模型DiffuseReg，用于无监督可变形图像配准，解决了传统方法的可解释性和实时观察能力不足的问题。研究表明，DiffuseReg在ACDC数据集上的表现优于现有方法，Dice分数提升1.32，显示出显著的实时输出优势。

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。