基于自监督表征学习与分层特征优化的医学图像配准方法

本发明公开一种基于自监督表征学习与分层特征优化的医学图像配准方法，包括：使用掩码自编码器策略对3D‑PVT编码器进行预训练，从无标签的三维基准影像中学习解剖结构特征表示；接收患者的基准图像和待配准图像，通过预训练的3D‑PVT编码器提取多层级特征金字塔，并基于互信息最大化目标，在特征金字塔上逐层执行由粗到精的迭代优化，在优化过程中根据配准需求选择弹性配准模式或刚性配准模式，输出配准结果。本发明能够实现高精度的、无需人工标注的弹性或刚性配准。