编者按 深度学习已经广泛应用于医学影像相关的各种任务中，并且取得了显著成效，为了探索国内外以深度学习为代表的方法和技术在现代医疗中的应用和发展前景，立足新一轮人工智能发展背景，《中国图象图形学报》邀请领域内优秀学者共同策划出版了“深度学习+智慧医疗”专刊，围绕临床医学中的应用需求，回顾和总结深度学习在医学影像中的应用，梳理最新的研究进展，思考亟待解决的科学问题，探索智慧医疗的未来发展方向。 本专刊得到了相关研究领域专家和学者的热烈响应，为本专刊提供了丰富的优质稿源。经过严格的同行评审，“深度学习+智慧医疗”专刊共收录学术论文20篇，包括4篇“综述”、1篇“数据集论文”、6篇“计算机断层扫描图像”论文、5篇“磁共振图像”论文以及4篇“研究应用”论文。 “综述”《深度医学图像配准研究进展：迈向无监督学习》总结了深度配准算法研究从迭代优化到一步预测、从有监督学习到无监督学习的总体发展趋势,并按照网络训练过程中监督信息不断减少的思路系统性地分析深度医学图像配准领域的最新研究进展,比较不同方法的优势与挑战,并对未来研究趋势进行展望。《U-Net网络医学图像分割应用综述》从U-Net基本原理、U-Net模型改进、U-Net结构改进和网络改进的机制四个方面总结了U-Net及其在医学图像中的应用。《医学图像深度学习技术:从卷积到图卷积的发展》归纳和总结图结构视角下医学图像的专业采集、数据结构的剪枝转换以及特征聚类重构方法；图卷积网络的理论溯源，重要的网络架构和发展脉络；图卷积网络的优化方向和衍生出的跳跃连接、inception、图注意力等重要机制；图卷积网络在医学图像分割、疾病检测和图像重建等方面的实践应用。最后提出了图卷积网络在医学图像分析领域仍亟待突破的瓶颈问题。《多尺度变换像素级医学图像融合：研究进展、应用和挑战》阐述基于多尺度变换图像融合的基本原理和框架；以时间为序总结塔式分解，小波变换和多尺度几何分析方法的发展历程；围绕讨论通用的像素级融合框架：Zhang框架和Piella框架；总结11种跨模态医学图像融合方式；讨论该领域面临的主要挑战，并对未来的发展方向进行展望。 “数据集论文”《肺部影像解剖结构分割数据集及应用》创建了一个带标签的肺部CT 扫描影像数据集，对每组CT/CTA对应标注支气管、肺实质、肺叶和肺动静脉等4个不同的目标区域类别，补充了肺部CT影像解剖结构数据集的不足，为该领域的研究人员提供有效的数据集。 我们期待广大读者和科技人员通过本期“深度学习+智慧医疗”专刊，能够广泛深入地了解当前AI+医学影像研究领域最新的技术和最前沿的应用方向，为我国智慧医疗发展做出新的贡献。