摘要
近年来，多模态医学图像融合技术因能够整合不同医学成像模式中的互补信息，为临床分析提供更全面的信息而备受关注。通过将计算机断层扫描和磁共振成像等模式提供的解剖学信息与正电子发射断层扫描和单光子发射计算机断层扫描提供的功能学信息相结合，多模态医学图像融合技术能够提升图像质量，并为疾病分析、病灶检测、图像分割以及治疗规划等后续任务提供支持。本综述从理论和技术层面对多模态医学图像融合技术进行了全面概述。首先，总结了常用的医学成像模式以及公开可用的医学图像数据库，并对其进行了比较。接着介绍了多模态医学图像融合技术的一般工作流程、融合层级以及质量要求。随后系统地回顾了各种代表性的融合技术，包括基于空间域的方法、基于变换域的方法、基于稀疏表示的方法、基于深度学习的方法、混合方法以及新兴的基于Mamba的方法。此外，还分析了常用的图像融合质量评估指标，并对各类代表性多模态医学图像融合技术的定量性能进行了比较与讨论。最后，阐述了该技术目前面临的挑战以及未来的发展趋势，包括提高算法的鲁棒性、推动其向临床应用转化，以及探索新的多模态学习范式。
