本文介绍了一种名为CU-Reg的轻量级心脏超声帧到体积配准网络，利用解剖线索和特征汇聚提高超声模态的匹配效果，通过正则化项增加切片之间的区别，提高配准稳定性。实验证明，CU-Reg在配准精度和效率方面优于现有方法。

本文提出了一种新型流程，使用心脏超声语义标签图引导的去噪扩散概率模型（DDPMs）生成合成图像，可用于医学影像分析任务的深度学习模型训练。该流程在未见实际数据的数据集上进行了评估，与现有技术相比，Dice分数分别增加了9.09％，3.7％和15.0％，具有潜力应用于其他医学成像模态的任务。