一种基于分组变形的医学图像配准方法

本发明涉及人工智能、深度学习和计算机视觉内容技术领域，尤其涉及一种基于分组变形的医学图像配准方法。使用两个权值共享的编码器提取移动图像和固定图像的特征；构建分组模块，通过卷积层提取不同感受野的特征，计算特征相似性生成相关图；构建上下文融合模块，增强不同组之间的协作性，提高预测准确性；构建损失函数，包括正则化损失和弱监督损失，确保变形场的连续性、平滑性，并引导网络关注感兴趣区域的对齐。旨在解决现有金字塔式配准算法在处理医学图像时存在的问题，如图像错位和计算量过大。通过分组模块对金字塔级别的变形进行进一步分解，简化模型的学习过程，并保留更多信息。