基于深度学习的多模态影像配准处理方法及系统

本发明公开了基于深度学习的多模态影像配准处理方法及系统，涉及医学影像处理技术领域，包括，通过互信息损失方法计算配准后的互信息损失值，结合全局和局部变形场融合生成的总损失，优化CNN模型和UNet模参数，获得配准后的sCT图像。结合CNN和UNet模型生成全局和局部变形场，有效捕捉整体刚性变换和局部非线性形变，提升sCT与参考CT的空间对齐精度，通过互信息损失和总损失优化模型参数，确保强度分布一致性，并利用配准质量反馈自动化调整特征权重和治疗计划参数，显著提高放疗计划的覆盖精度和效率，实现自动化、高精度的影像配准与治疗计划优化，增强临床影像处理的可靠性和实用性。