1.一种基于循环生成对抗网络的多序列磁共振图像配准方法，其特征在于，所述方法包括如下步骤：

1)对输入的序列1和序列2的磁共振原始图像，用CycleGAN进行训练，输出序列1和序列

2的磁共振生成图像：

2)对同序列的生成图像和原始图像进行单模态配准，计算变换矩阵及同序列两图之间的相似性度量，过程如下：

2.1)对序列1的原始图像X和生成图像X*，寻找两图的特征点及其映射关系，计算序列1磁共振图像的变换矩阵1；

2.2)计算生成图和原图的归一化互信息，作为序列1生成图和原图的相似性度量1；

2.3)序列2磁共振图像的变换矩阵2及生成图和原图的相似性度量2计算方式同上。

3)比较两个序列的相似性度量，选择对应策略，输出最终变换矩阵，过程如下：

3.1)设置相似度比较标准值，若相似性度量1和相似性度量2的差距小于该值，则两序列的相似性度量差距较小，反之较大；

3.2)若两序列的相似性度量差距较小，则计算变换矩阵1和变换矩阵2的均值作为最终变换矩阵并输出；

3.3)若两序列的相似性度量差距较大，则选取相似性度量更优的变换矩阵作为最终变换矩阵并输出；

4)使用最终变换矩阵对浮动图进行变换，获得最终的结果图。

2.如权利要求1所述的一种基于循环生成对抗网络的多序列磁共振图像配准方法，其特征在于，所述步骤1)的过程如下：

1.1)将序列1的磁共振原始图像X输入生成器GXY，生成序列2的磁共振生成图像Y*；

1.2)将Y*与序列2的磁共振原始图像Y输入判别器DY，判断输入数据的真伪；

1.3)生成器GXY接受判别器DY的判别反馈，调整参数权值，生成新的Y*进行判别，直到判别器DY无法判别输入数据真伪性；

1.4)输出序列2的磁共振生成图像Y*；

1.5)序列1的磁共振生成图像X*获得方式与上述同理；

1.6)约束对两个子网络的训练进行平衡，使得不会出现损失消失的情况，损失函数用以下公式表示：其中，Pdata(x)是真实样本的分布，Pdata(y)是合成样本的分布，F是生成器GXY的映射函数，G是生成器GYX的映射函数。