非配对配准（Non-rigid registration）和配对配准（Rigid registration）是医学图像配准中常用的两种方法，它们有着不同的含义和应用。
-
非配对配准
（Non-rigid registration）：非配对配准是指将不同图像或不同模态的图像进行空间或形态上的对齐，而这些图像之间在结构和形状上可能存在较大的差异。非配对配准应用于需要处理形变、伸缩、旋转等非刚性变换的情况，例如脑部MRI图像的配准、肿瘤区域的分割等。非配对配准可以通过局部变形模型、弹性体变形模型等方法实现，其目标是找到一种柔性的变形映射方式，使得图像的对应结构能够在不同图像之间对齐。
-
配对配准
（Rigid registration）：配对配准是指将两个已知对应关系的图像进行空间上的刚性对齐，即平移、旋转和缩放变换。配对配准适用于已知相同物体在不同位置或角度下的图像，例如术前和术中的CT扫描图像对齐、同一患者的不同时间点的图像对齐等。配对配准通过计算刚性变换参数，将一个图像映射到与另一个图像相匹配的位置和角度。常用的配对配准方法包括最小二乘法、互信息、归一化互相关等。
非配对配准适用于以下情况：
-
形变较大的图像：当需要对形变较大的图像进行对齐时，非配对配准是一个有效的选择。例如，在医学领域，脑部MRI图像的形态可能因为不同的解剖结构、姿势或病理变化而发生较大的形变，此时非配对配准可以帮助将这些图像进行空间上的对齐。
-
图像模态差异较大：当需要对不同模态的图像进行对齐时，非配对配准可以处理模态之间的结构和形状差异。例如，将CT图像与MRI图像对齐，或者将T1加权图像与T2加权图像对齐，非配对配准可以处理它们之间的差异，提高图像的对齐质量。
-
非刚性变换：非配对配准适用于需要处理非刚性变换的情况，即图像中存在形变、伸缩、旋转等非刚性变换。例如，在肿瘤分割中，由于肿瘤的大小和形状会发生变化，非配对配准可以通过柔性的变形模型来对肿瘤区域进行准确的分割。
总结来说，非配对配准用于处理形变较大的图像或图像间形态差异较大的情况，而配对配准则用于已知对应关系的图像进行刚性对齐。在实际应用中，根据不同的需求和数据特点，可以选择使用合适的配准方法来实现医学图像的对齐和分析。
图像配准是将不同医学图像中的信息进行空间关联的关键步骤。非配对配准将不同受试者的图像对齐到一个公共空间中，进行后续分析(例如,群体研究、基于体素的形态测量学、多图谱分割[等)。另一方面，成对配准将来自同一解剖结构的不同图像对齐，在图像引导干预(如前列腺MR - CT )中得到应用；患者随访(例如,手术前后的扫描)；或者纵向和多模态研究(例如,利用MRI进行3D组织学重建)。
