医学图像配准研究综述：HyperMorph提出摊销超参数学习框架，用单一模型捕捉连续超参数值，加速计算并提升灵活性；后续研究将其用于学习线性弹性正则化参数。其他工作包括基于CNN的快速无监督三维配准、学习与优化结合方法、基于LDDMM的补丁级形变预测及不确定性估计、NeurReg框架、概率生成模型的拓扑保持配准，以及半弱监督配准流程。