一种基于提示反馈卷积神经网络的CT-CBCT形变配准方法与系统

本发明属于医学影像配准领域，公开基于提示反馈卷积神经网络的CT‑CBCT形变配准方法与系统，包括CT‑CBCT影像数据集采集、划分；预处理CT‑CBCT影像对；抠取局部影像对作为模型的输入；模型的整体架构包括影像编码器等，使用位置编码等技术完成提示反馈卷积神经网络整体搭建；模型训练过程用无prompt的方式对局部影像对进行仅考虑像素点灰度值层面的形变配准，用带箭头prompt的方式对模型进行继续训练，用类似RLHF方法，让形变配准模型学习如何输出人类认为好的配准结果，提高了形变配准结果的客观性与合理性以及CT‑CBCT形变配准技术的可用性、可交互性与可纠正性，解决现有技术无法快速基于各家医院私有化影像库做进一步模型优化定制的问题，缩短了应用周期，大大提高算法鲁棒性和技术可用性。