无监督学习的2D和3D图像之间配准方法

本发明公开一种无监督学习的2D和3D图像之间配准方法，属于计算机医学图像处理领域。本发明通过构建CNN‑Transformer并行网络以及基于平行投影方式的改进投影空间变换，具体包括：3D TOF和2D DSA数据的获取以及预处理，构建基于平行投影方式的改进投影空间变换，构建并行CNN‑Transformer双分支网络(CTNet)，用于特征相似度评估，训练CTNet，实现2D DSA与3D TOF的精准配准，用于介入手术导航，为导管路径规划和栓塞治疗提供立体引导，用于复杂病变评估，为疾病诊断与治疗提供多方面支持。本发明能更全面地提取全局以及局部特征，用于特征相似性评估，提升配准性能；采用基于平行投影方式的改进投影空间变换来生成投影图像，生成的投影图像与TOF的成像原理更加契合。