摘要多光谱成像(MSI)是一种新颖的非侵入性工具,用于可视化从内部限制膜到脉络膜的整个眼睛。 但是,在连续的MSI图像中经常会观察到空间未对准,因为眼球扫视运动通常快于MSI图像采集速度。 因此,配准MSI图像对于通过MSI进行视网膜变性的基于计算机的分析是必要的。 在本文中,我们提出了一个早期的深度学习框架,用于以分组方式实现MSI图像的准确配准。 该框架包含三个部分:基于主成分分析的模板构造,变形场计算和空间变换。 该框架具有独特的能力,可以解决两个关键挑战,即MSI图像中的“多模式”特性,以获取具有不同光谱的图像以及对连续图像进行联合配准的要求。 我们的实验结果证明,与几种代表性的最新技术相比,我们的框架在速度和准确性上均具有出色的性能。