双注意力变换器对比学习增强的3D医图配准方法及装置

本发明公开了一种双注意力变换器对比学习增强的3D医图配准方法及装置，该配准方法包括：获取3D医学图像数据集并进行预处理；然后，对固定图像和浮动图像进行下采样以创建图像金字塔；接着，搭建基于变换器的配准网络，最后，利用损失函数计算固定图像与配准后图像之间的损失函数值，并通过反向传播优化网络模型，从而得到训练好的神经网络模型。本发明通过结合自注意力机制和交叉注意力机制，能够全面捕获局部和全局上下文信息，提高对图像细节和整体结构的建模能力。并利用对比损失函数度量图像之间对应特征点的距离。同时，采用归一化总梯度和模态独立邻域描述子损失函数进一步计算图像之间的相似性，提高了医学图像配准的准确性和精度。