多模态医学图像融合研究进展

摘要

多模态医学图像融合整合CT、MRI、PET等互补信息，提升临床诊断与治疗规划能力，但模态间成像机理、分辨率与噪声差异使融合与评价更具挑战。本文对传统与深度学习融合方法进行系统综述：梳理多尺度变换、稀疏表示与分量分解等经典方法并分析局限；总结CNN、GAN、自编码器与Transformer等模型的关键思路与优势。进一步归纳像素级、结构与信息特征级及任务驱动评价指标体系，并概述其在肿瘤学、神经系统疾病等临床场景的应用进展。最后讨论数据稀缺、配准敏感、评价标准不统一与可解释性不足等问题，展望自监督预训练与标准化临床验证方向，为技术创新与临床转化提供参考。

关键词

多模态图像 / 图像融合 / 深度学习 / 综述