[发明专利]图像配准网络模型及其建立方法、设备及介质

权利要求书

1.一种图像配准网络模型建立方法，其特征在于，包括：

对不同模态图像的原始图像进行重采样，得到所述原始图像对应的各向同性3D图像，所述原始图像包括参考图像和移动图像；

分别对所述原始图像以及所述各向同性3D图像进行子块划分，并对划分后得到的子块进行位置编码；

基于所述位置编码计算所述原始图像对应的原始矢量序列以及所述各向同性3D图像对应的各向同性矢量序列；

将所述原始矢量序列和各向同性矢量序列输入编码器中的编码并行交叉注意力模块，得到所述编码器输出的输出矢量序列，所述输出矢量序列包括参考编码输出矢量序列和移动编码输出矢量序列，其中，所述原始矢量序列作为所述编码并行交叉注意力模块中查询向量输入，所述各向同性矢量序列作为所述编码并行交叉注意力模块中键向量和值向量的输入；

将所述输出矢量序列输入解码器的解码并行交叉注意力模块进行解码，获取所述解码器的输出的不同模态图像配准的形变场；

其中，所述原始矢量序列均包括一级原始矢量序列，所述各向同性矢量序列均包括一级各向同性矢量序列；

所述将所述原始矢量序列和各向同性矢量序列输入编码器中的编码并行交叉注意力模块，得到所述编码器输出的输出矢量序列包括：

将所述一级原始矢量序列作为一级级别的当前编码并行交叉注意力模块中查询向量输入，将所述一级各向同性矢量序列作为所述当前编码并行交叉注意力模块中键向量和值向量的输入，得到所述当前编码并行交叉注意力模块输出的当前编码矢量序列；

判断所述当前编码并行交叉注意力模块是否为一级级别中的最后编码并行交叉注意力模块；若所述当前编码并行交叉注意力模块为最后编码并行交叉注意力模块，则所述当前编码矢量序列即为一级编码输出矢量序列，并获取所述编码器编码阶段的尺度级别总数，判断所述一级级别是否为所述尺度级别总数中的最大级别；

若所述一级级别为所述尺度级别总数中的最大级别，则所述一级编码输出矢量序列即为输出矢量序列；

若所述当前编码并行交叉注意力模块非最后注意力模块，则将所述当前编码矢量序列作为所述一级级别中下一编码并行交叉注意力模块的键向量和值向量的输入，所述下一编码并行交叉注意力模块的查询向量来源与所述当前编码并行交叉注意力模块的查询向量来源一致，且同一级别中编码并行交叉注意力模块的查询向量来源均一致；

得到所述下一编码并行交叉注意力模块输出的一级编码矢量序列，将所述一级编码矢量序列作为当前编码矢量序列，将所述下一编码并行交叉注意力模块作为当前编码并行交叉注意力模块，并重复判断所述当前编码并行交叉注意力模块是否为一级级别中的最后编码并行交叉注意力模块的步骤。