随着肺癌发病率增高和影像技术进步，越来越多的肺部磨玻璃结节得以检出。我们课题组从研究肺在术中的萎陷规律入手，借助肺部图像配准技术建立肺在膨胀和萎陷状态下的对应关系，以期藉此实现无创定位，下面结合我们课题组的工作就肺部图像配准进行剖析和探讨。

我们一般将图像配准分成形变模型、相似度度量、规则化方法以及优化策略四个部分。对于肺部图像的配准一般包括基于灰度和基于特征的方法。前者信息量大，计算复杂度大，但受灰度的影响小；而后者只需要对提取的特征点进行匹配，计算要求低，但性能受特征点匹配准确度以及特征点分布的制约。总体上说就是，特征点提取越稳定，特征点匹配越精确，特征点分布越均匀，最终的配准结果就越准确。

目前对于复杂的肺部图像配准，结合基于灰度和基于特征的方法越来越受到关注。即首先提取特征明显的特征点，将其对应的位移信息作为灰度信息的约束，然后再使用基于灰度的配准算法进行配准，此方法可以显著提高配准精度。为此，我们进行了基于SIFT特征的肺部非刚性配准的研究，经自制渐次肺萎陷动物模型数据库资料进行测试，证明此方法能够得到较好的配准结果。

图像配准是医学图像处理和分析的重要研究内容，是图像对比、数据融合以及目标识别的必要前提。肺在手术过程中发生萎陷，我们使用的基于SIFT特征的肺部非刚性配准方法能满足大多数情况下的肺萎陷过程。精确地配准肺部图像充满了挑战，是配准领域中一个重要的研究课题。