简介
VoxelMorph使用CNN实现了非监督的医学图像配准，速度较之前的方法有很大提升。主要特点有：
提出了一种基于学习的解决方案，不需要在训练过程中获取诸如ground truth对应或解剖标志等信息；
提出一个参数跨种群共享的CNN函数，通过函数评估实现配准；
参数优化的方法可以使用各种代价函数，从而适应各种任务；
VoxelMorph这个组发表了多篇论文，有不同的使用场景，具体的区别请看论文，但代码都在这一个库
下载代码：
https://github.com/voxelmorph/voxelmorph
到本地后解压缩出来
配置环境:
本人环境：
ubuntu18.04 + Anaconda 4.7 + python3.7
然后安装tensorflow和keras，这里看我之前的文章 （这里voxelmorph用的是tensorflow1+)
所以如果你用的是tf2,可以根据下面那个官方教程,然后自己改
然后安装依赖
pip install nibabel
conda install -c conda-forge tqdm
pip install Pillow
pip install matplotlib
所有的安装完了之后，就可以运行程序了。
运行
先进到下载的代码的文件夹的src中，然后在终端上运行，：
python register.py - -gpu 0 ../data/test_vol.nii.gz ../data/atlas_norm.nii.gz --out_img ../data/out.nii.gz –model_file ../models/cvpr2018_vm2_cc.h5
运行后的结果在data文件件下的out.nii.gz中，如何查看，请看上篇文章
一个官方的教程:
https://www.kaggle.com/adalca/learn2reg
我根据这个教程,实现minist的时候,需要以下的文件,然后自己改下import就可以运行了
