本レビューでは、マルコフ確率場（Markov random field）の定式化と強力な離散最適化アルゴリズムを活用した、新たな可変画像登録（deformable image registration）の枠組みを紹介する。本手法では、可変登録問題を最小コストグラフ問題として定式化し、ノードを変形グリッドに対応させ、ノード間の接続性を正則化制約に、ラベルを3次元変形に割り当てる。画像マッチングと幾何学的（特徴点ベース）登録の両方に対応するため、それぞれのサブ問題に対して2つのグラフィカルモデルを導入する。これらのグラフは相互に接続された変数を共有しており、任意の画像マッチング基準、さまざまな局所変形モデル、正則化制約を柔軟に取り入れられるモジュール性・強力さ・柔軟性を兼ね備えた定式化を実現している。対応する最適化問題に対処するため、計算効率に優れた戦略と、より厳密な緩和（relaxation）アプローチの2種類の最適化戦略を採用している。得られた有望な結果は、本手法の潜在的価値を示している。離散的手法は、従来の連続的手法に比べて複数の利点を提供するため、医療画像登録分野における重要な新潮流である。本フレームワークが、既存の汎用的登録手法を性能面および計算複雑性の面で上回る、いくつかの重要な事例によってその有効性が示されている。特に、手術中の画像処理（intraoperative imaging）のように計算時間の制約が厳しい応用や、大規模なマルチモーダル集団研究のようにデータの変動が極めて大きく、複雑でアプリケーション特化型のマッチング基準を必要とする状況において、本手法は特に注目されるべきものである。本研究で提案する登録フレームワークおよびグラフィカルインターフェース、関連する論文は、http://www.mrf-registration.net から研究目的でWindowsおよびLinuxプラットフォーム向けにダウンロード可能である。