交叉注意力机制的变分图像配准方法、装置、设备及介质制造方法及图纸

本发明专利技术提供了一种交叉注意力机制的变分图像配准方法、装置、设备及介质，方法包括，用于图像配准，解决了变分心脏配准中，因图像缺少长距离特征建模以及目标函数ELBO与输入图像对的对数似然间的差距导致配准精度低的技术问题，方法包括：接收心脏浮动图像与固定图像；利用预先训练的基于交叉注意力机制的变分神经网络对所述心脏浮动图像与所述固定图像进行处理，得到变分模型的隐变量；将所述隐变量输入到预先构建的径向基函数，解码输出浮动图像的形变场，并根据形变场确定配准后的图像；本发明专利技术本方法解决了卷积神经网络无法捕捉图像中的远距离信息的问题，同时缩小了真实后验与变分后验之间的差距，显著提高了配准的精度。度。度。

【技术实现步骤摘要】
交叉注意力机制的变分图像配准方法、装置、设备及介质


[0001]本专利技术涉及图像处理
，尤其涉及一种交叉注意力机制的变分图像配准方法、装置、设备及介质。

技术介绍

[0002]心脏运动估计对评估心脏功能、检测心脏疾病和了解心脏生物力学至关重要。可变图像配准是心脏运动估计的关键技术。
[0003]概率生成配准模型在临床应用中起着至关重要的作用。然而，变分图像配准方法存在一些问题，一方面传统卷积在表示图像特征之间长距离关系方面受到限制，另一方面变分模型中目标函数ELBO(Evidence Lower Bound，证据下界)和输入图像对的对数似然之间存在差距，二者会导致配准精度的降低。
[0004]因此亟需一种图像的配准方案，来解决变分心脏配准中，因图像缺少长距离特征建模以及目标函数ELBO与输入图像对的对数似然间的差距导致配准精度低的技术问题。

技术实现思路

[0005]本专利技术的主要目的在于提供一种交叉注意力机制的变分图像配准方法、装置、设备及介质，旨在解决变分心脏配准中，因图像缺少长距离特征建模以及目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交叉注意力机制的变分图像配准方法，其特征在于，包括：接收心脏浮动图像与固定图像；利用预先训练的基于交叉注意力机制的变分神经网络对所述心脏浮动图像与所述固定图像进行处理，得到变分模型的隐变量；将所述隐变量输入到预先构建的径向基函数，解码输出浮动图像的形变场，并根据形变场确定配准后的图像；所述基于交叉注意力机制的变分神经网络包括：至少一层T2T层和至少一层Transformer层，用于对图像训练集进行编码处理，所述Transformer层包括编码器和解码器，所述Transformer层的编码器输出的固定图像特征输入到Transformer层的解码器中与浮动图像特征形成交叉注意力，利用重要性加权证据下界对应的累计后验作为变分模型中最优先验的损失函数，以输出变分模型的隐变量分布，以输出变分模型的隐变量。2.根据权利要求1所述的交叉注意力机制的变分图像配准方法，其特征在于，若所述T2T层至少有两层，则所有的所述T2T层之间级联，若所述Transformer层至少有两层，则所有的所述Transformer层之间级联，所述T2T层级联后的输出数据作为级联后的所述Transformer层的输入。3.根据权利要求1所述的交叉注意力机制的变分图像配准方法，其特征在于，所述T2T层至少包括一个Transformer模块，所述T2T层用于将图像划分为重叠的具有局部信息建模的二维特征序列后输入到Transformer模块中，输出的特征序列经过三维变换还原为三维图像特征。4.根据权利要求1所述的交叉注意力机制的变分图像配准方法，其特征在于，所述Transformer层的编码器和解码器均至少有一个，且若所述Transformer层的编码器和解码器有一个以上，则Transformer层的编码器之间级联，且Transformer层的解...

【专利技术属性】
技术研发人员：许康荣，杨烜，杨博乾，
申请(专利权)人：深圳大学，
类型：发明
国别省市：