Rydmark, M.、Jansson, T.、Berthold, CH、Gustavsson, T. 猫の大脳皮質の連続切片シリーズからの光学顕微鏡写真画像のコンピューター支援による再調整。 J. マイクロスク。 165、1、29–47。 （1992年）。
Google スカラー
Oliveira、FPM & Tavares、JMRS 医療画像登録: レビュー。 計算します。方法 バイオメック。バイオメッド。エンジン。 17、2、73–93。 （2014年）。
Google スカラー
Arganda-Carreras、I. et al.ベクトルスプライン正則化を使用した組織切片の一貫性のある柔軟な位置合わせ、 コンピュータサイエンスの講義ノート (サブシリーズの人工知能の講義ノートおよびバイオインフォマティクスの講義ノートを含む)、4241 LNCS、85–95、(2006)。 https://doi.org/10.1007/11889762_8
Weaver、JB、Healy、DM、Periaswamy、S.、Kostelec、PJ 相関関係を使用した弾性画像レジストレーション。 J. ディジット。イメージング。 11 (3 補足 1)、59–65。 （1998年）。
Google スカラー
Wang, CW、Budiman Gosno, E. & Li, YS 連続切片顕微鏡画像の完全自動かつ堅牢な 3D レジストレーション。 科学。議員 5 （2015年）。
Gerhard, S.、Funke, J.、Martel, J.、Cardona, A. & Fetter, R. 神経組織のセグメント化された異方性 SsTEM データセット、(2013)。 https://doi.org/10.6084/m9.figshare.856713.v1
Lowe, DG スケール不変のキーポイントからの独特の画像特徴。 内部。 Ｊ．Ｃｏｍｐｕｔ．ヴィス。 60、2、91–110。 (2004)。
Google スカラー
梶原 達也 ほか3D 再構築のためのブレンド変換による連続切片画像の非剛体レジストレーション。 パターン認識。 96、106956。 （2019年）。
Google スカラー
Alcantarilla, PF、Nuevo, J. & Bartoli, A. 非線形スケール空間における加速された特徴のための高速明示的拡散、 BMVC 2013 – 英国マシン ビジョン カンファレンス 2013 の電子会議録、（2013）。 https://doi.org/10.5244/C.27.13
山田 S.、宇和部 C.、藤井 S.、塩田 K. ヒト胎児全前脳症の表現型の変動性 (京都コレクション)。 先天異常研究クリン。モル。テラトール。 70、8、495–508。 (2004)。
Google スカラー
Balakrishnan, G.、Zhao, A.、Sabuncu, MR、Guttag, J. & Dalca、AV VoxelMorph: 変形可能な医療画像レジストレーションのための学習フレームワーク、 IEEEトランスメッドイメージング、38、8、1788–1800、(2019)。 https://doi.org/10.1109/TMI.2019.2897538
Xin, T.、Shen, L.、Li, L.、Chen, X. & Han, H. 予想されるアフィン: 連続切片電子顕微鏡における損傷切片の登録方法。 フロント。ニューロインフォーム。 16 （2022年）。
Mehrabian, A.、Mojarad Adi, P.、Heidari, M. & Hacihaliloglu, I. フーリエ コルモゴロフ-アーノルド ネットワークによる暗黙的な神経表現、 Proc. での出版が受理されました。 IEEE国際会議音響、音声、信号処理。 (ICASP)、（2025年）。
Wolterink, JM、Zwienenberg, JC & Brune, C. 変形可能な画像レジストレーションのための暗黙的なニューラル表現、アクセス日: 09、2025。 [Online]。 （2019年）。利用可能： http://arxiv.org/abs/1908.00788
van Harten, L.、Van Herten, RLM、Stoker, J. & Isgum, I. 幾何学情報に基づいた暗黙的なニューラル表現による変形可能な画像レジストレーション。
Detone, D.、Malisiewicz, T.、Rabinovich, A. SuperPoint: 自己監視型関心点の検出と説明、 IEEE Computer Society Conference on Computer Vision およびパターン認識ワークショップ、2018-6 月、337–349、(2017)。 https://doi.org/10.1109/CVPRW.2018.00060
ビショップ、CM パターン認識と機械学習。スプリンガー、ベルリン。 – 参考文献 – Scientific Research Publishing。アクセス日: 2025 年 9 月 23 日。 [Online]。 （2006年）。利用可能： https://www.scirp.org/reference/referencespapers?referenceid=3523326
Schwarz、G. Estimating the Dimension of a Model、6、2、461–464、(1978)。 https://doi.org/10.1214/AOS/1176344136
du Sert、NP et al.動物研究の報告: ARRIVE ガイドライン 2.0 の説明と詳細。 PLoSバイオル。 18 (7)、e3000411。 （2020年）。
Google スカラー
Fischler, MA & Bolles, RC ランダムサンプルのコンセンサス。 共通。 ACM。 24 (6)、381–395。 （1981年）。
Google スカラー
Lindenberger, P.、Sarlin, PE & Pollefeys, M. LightGlue: 光速での局所特徴マッチング。
松田 G.、加地 S. & 落合 宏、反可換双対複素数と 2D 剛体変換、131–138、(2016)。 https://doi.org/10.1007/978-4-431-55007-5_17
Duan, X.、Sun, H. & Peng, L. リーマンは特殊ユークリッド群と単能行列群を意味します。 科学世界ジャーナル、2013年、（2013年）。 https://doi.org/10.1155/2013/292787
ハリス、CR 他。 NumPyによる配列プログラミング、 自然 2020 585:7825、585、7825、357–362、(2020)。 https://doi.org/10.1038/s41586-020-2649-2
ペドレゴサ ファビアンペドレゴサ、F. et al. Scikit-learn: Python での機械学習、 機械学習研究ジャーナル、12、85、2825–2830、2024。 [Online]。 （2011年）。利用可能： http://jmlr.org/papers/v12/pedregosa11a.html
Van Der Walt、S. 他Scikit-image: Python での画像処理、 ピアJ、1、e453、2014、(2014)。 https://doi.org/10.7717/PEERJ.453/FIG-5
Bradski, G. OpenCV ライブラリ。 ドブ博士のＪ．Ｓｏｆｔｗ．ツール教授プログラム。 25 (11)、120–123、(2000)。
Hunter、JD Matplotlib: 2D グラフィックス環境。 計算します。科学。工学 9、3、90–95。 (2007)。
Google スカラー
Jaccard、P. 高山帯の植物の分布。1。 新しいフィトール。 11、2、37–50。 （1912年）。
Google スカラー
ダイス、LR 種間の生態学的関連性の量の尺度。 エコロジー 26、3、297–302。 （1945年）。
Google スカラー
Mohammadi, FS、Mohammadi, SE、Mojarad Adi, P.、Mirkarimi, SMA & Shabani, H. 顕微鏡画像のペアワイズ画像ステッチング技術の比較分析。 科学。議員 2024。 14:1、14、(1)、1～10。 （2024年）。
Google スカラー
Wilcoxon, F. ランキング方式による個別比較。 バイオメトリクス雄牛。 1 (6、80、)。 （1945年）。
#PiCNoR #を使用した連続切片顕微鏡画像の自動化された堅牢な非剛体レジストレーション