本发明属于医学图像配准领域，涉及一种基于深度学习与轮廓特征的医学图像配准方法。本发明在医学图像配准任务中引入了额外信息，即从医学图像的预先分割结果中提取出轮廓特征，并利用该特征进行空间变换时的可微性构建损失函数，提高了医学图像的配准精度；提出了一种医学图像配准的网络框架，将网络模型分为了形变参数模型和形变场平滑模型两个部分，形变参数模型可以构建对应像素之间精确的变形，形变场平滑模型用于对构建的形变场进行平滑性约束；交替优化的策略保证模型最终能收敛至更为平滑的形变场，得到更精确的配准结果。