一种基于大模型鲁棒特征的医学图像配准方法

本申请公开了一种基于大模型鲁棒特征的医学图像配准方法，包括如下步骤：构建大模型配准网络，大模型配准网络包括结构感知特征编码器模块和金字塔形变场预测模块；获取医学输入图像，通过结构感知特征编码器模块对所述医学输入图像进行特征提取，获得图像提取特征；基于金字塔形变场预测模块对图像提取特征进行形变和配准，获得医学配准图像；基于完整损失函数对进行训练，以优化配准模型。本申请利用配准网络SAMIR，能有效提取跨解剖区域的通用视觉特征，提高了配准的精确度，提升了形变场的解剖合理性，在缺乏医学先验知识的情况下，证明了自然图像预训练模型向医学配准任务的迁移潜力，并提出了特征级损失函数，进一步增强配准一致性。