一、Motivation
本文的中心思想是基于：采用级联的方式逐次对图像进行逐渐配准。每一个级联网络都能将输入的Moving Image -》warped Image。作为下一个级联网络的Moving Image。
上图所展示就是本文章的级联递归配准的思路。
二、Method
级联递归：多个级联递归网络，每一个级联递归网络分别对此网络的输入，进行变换。得到下一级网络的输入Moving Image。最后一个级联网络的输出计算损失，反向传播来更新网络中的参数。
那么文章中每一个级联网络的网络结构可以自行设计，从而得出一种配准模式。在本文中级联递归网络是用的VTN网络。VTN网络是基于VoxelMorph设计的。
SharedWeight Cascading：网路一旦训练好，那么每一个级联模块可以重复拼接，成为共享参数的级联。那么在test的时候，就可以利用多个相同参数的级联网络进行配准。
三 Experiments
在VTN中有A（仿射变换）D（可变形变换）两种方式。可以看到2*10网络效果最好，但是不一定是网络数最多，配准效果越好。
上面这张图表明在一定数量的级联方式下，配准的效果是越来越好。但不一定表示着网络数越多越好。