基于深度学习的快速可逆三维薄板样条形变方法及设备

本发明涉及一种基于深度学习的快速可逆三维薄板样条形变方法，包括：得到薄板样条位移场ψtps；构建深度神经网络，得到浮动图像Im和固定图像If；得到四层分辨率各异的浮动特征图和四层分辨率各异的固定特征图；得到最终位移场ψ；得到最终配准结果。本发明基于深度学习方法改进了传统的TPS变形算法，能够精确地捕捉不同控制点之间的复杂非刚性变形关系的同时，将TPS中原本依赖于矩阵求逆与核函数运算的复杂计算过程，转化为可端到端训练的单次前向传播过程，从而显著降低了计算资源消耗与时间复杂度，提升了系统的实时响应能力与处理大规模数据的效率。