基于大核卷积LKA的共享权重的双流注意力配准方法及系统

本发明公开了基于大核卷积LKA的共享权重的双流注意力配准方法及系统，具体涉及医学图像配准技术领域，输入的脑部固定图像与移动图像分别进入DELCA‑Net的双流结构中，DELCA‑Net结合卷积神经网络CNN和Transformer的优势，通过自注意力机制深入挖掘图像的语义信息，借助共享权重的编码器设计，网络能够学习到更为通用且丰富的特征表示，在此基础上，利用交叉自注意力机制，DELCA‑Net实现了对这些共有特征的精确特征匹配，显著提升了配准的准确性；为了降低计算复杂度，DELCA‑Net将大卷积核分解为级联的深度卷积和深度空洞卷积模块。此外，通过多尺度注意力优化机制，DELCA‑Net有效地融合了不同尺度下的空间对应关系和解剖语义关联。