本研究提出了一种轻量级的混合稀疏图注意力网络H-SGANet，通过引入稀疏图注意力机制和可分离自注意力模块，提高了图像配准方法的精确表示解剖连通性能力。与VoxelMorph相比，H-SGANet在OASIS和LPBA40数据集上的Dice评分分别提高了3.5%和1.5%。

研究提出了一种名为MrRegNet的图像配准方法，使用深度卷积神经网络处理大变形图像。实验结果表明，该方法在脑MRI数据集上优于传统方法和深度学习方法VoxelMorph，尤其在局部区域图像配准准确性方面有显著提高。