研究提出了一种基于深度学习的心脏T1映射运动校正框架，通过双向一致性和局部抗折叠约束提高影像配准效果，解决对比度变化问题。其他研究也利用深度学习和物理约束提升心脏MR图像的运动估计、分割和配准的精确性和效率。这些方法在心脏病诊断和MRI成像中展现出潜在价值，改善了模型拟合质量和临床应用效果。

该文汇总多项手术导航与影像配准研究，包括：利用卷积神经网络实现术中X光与三维模型自动对齐，盆腔配准误差3.79毫米；用深度神经网络和RGB-D数据完成腰椎融合无辐射自动注册；提出机器学习模拟CT与数字放射成像框架；用CathSim与3D-FGRN重建三维导线；借助自监督和可微分渲染实现2D/3D配准；并涉及增强现实手术支持、髋部自动标记及神经辐射场动态三维重建。