猕猴作为一种重要的实验动物，它与人类有许多共同的遗传、大脑组织和行为特征。猕猴脑图谱可以识别解剖学和功能上的不同区域，是生物医学和进化研究的基础。对医学影像和生物成像数据进行多模态和跨尺度的联合利用，不仅可以提供介观连接和多组学图谱，还可以促进转化医学、跨物种比较和计算建模的发展，丰富非人类灵长类的合作资源平台。研究猕猴脑图谱多尺度数据的空间配准方法，确定多尺度集成的评价准则，对于制作用于猕猴脑图谱多尺度集成的标准参考空间具有重要意义。对于生物成像与医学影像间配准方法的研究可以建立生物成像和医学影像间对应关系，基于此可以将带有三维空间坐标参考的空间离散数据嵌入到标准空间，以便于后续各种参考标准整合，充分利用不同模态数据的优势，对大脑进行进一步的联合分析。现存的大量配准方法主要针对单模态的神经系统，而对于在灰度、组织和解剖结构上成像具有显著差异的，数据间图像特征差异较大的脑图谱数据，很少有跨模态、跨尺度配准的方法可以直接应用，并且不同种类的脑图谱数据存在尺度和模态的双重不同，如何将猕猴脑图谱生物成像与医学影像间通过图像配准方法进行集成存在一系列挑战。

    针对这一现状，本文系统地研究了猕猴脑图谱生物成像与医学影像数据间的配准集成的方法，并且给出了标准空间集成的选择标准以及集成效果的衡量指标；以本中心采集的R04猕猴大脑成像数据作为主要数据集，将数据集中的相机断面数据作为中间模态以及集成的标准空间，进一步将猕猴大脑的尼式染色数据以及MRI数据集成到该空间。此外，借助公开的Allen Human Brain Atlas数据集对于本文所提出方法进行了验证。本文的主要内容如下：

    1.多模态跨尺度猕猴脑影像质量控制与数据处理。本文首先介绍了R04猕猴大脑成像数据的实验采集过程，通过质量控制对于数据进行筛选，保留可用数据，用于后续实验；对于不可用数据，针对数据出现的质量问题通过寻因分析寻找实验过程中导致数据出现质量问题的原因，协助实验老师改进实验以达到提高之后实验所产生数据集质量的目的。针对尼氏染色数据的预处理流程目前无统一预处理步骤的现状，构建了一套完整的尼式染色数据预处理方法；对于质量控制后的可用数据将其预处理成可以直接读入神经网络和医学开源工具箱的格式。

    2.多模态跨尺度的猕猴脑图谱配准新方法研究。确定了选择标准空间的准则，基于SyN算法，针对脑图谱数据集成的两个主要问题-三维重建和不同尺度数据间的空间映射，以R04猕猴大脑成像数据为例，设计了一整套实现猕猴大脑生物成像数据和医学影像数据的多模态跨尺度的配准方案，并且给出了不同尺度不同模态数据之间的相互映射方法，初步解决尺度模态双重不同的配准问题。提出使用区域解剖标签重叠的DSC与基于L1损失衡量的Id Score作为正反变换一致性的评价指标。

    3.基于深度学习的多模态跨尺度灵长类脑图谱配准方法研究。为提高处理速度以及空间配准精度，改进基于SyN算法的猕猴脑图谱多模态跨尺度配准方案的关键步骤；分别提出了线性配准网络和基于图像迁移与配准交替优化的非线性配准框架；将图像迁移引入跨模态配准，解决跨模态配准损失函数难以设计的问题；将循环一致性引入正反变换一致性问题，解决图像依次经过正反变换后与原图存在差异的问题，以此来减少空间映射的误差。在保证精度的情况下，快速处理大批数据。最终得到一套同时具备速度和精度的多模态跨尺度猕猴脑图谱配准方案。实验结果显示，本文所提出框架下的方法在R04猕猴大脑成像数据集上相比于SyN算法和VoxelMorph-Diff模型分别有2.8%和4.1%的精度提升；在公开的Allen Human Brain Atlas数据集上相比于SyN算法和VoxelMorph-Diff模型分别有9.5%和5.3%的精度提升。