1.一種基于關鍵點對智能化匹配的多模態(tài)眼底圖像配準方法，其特征在于：將多模態(tài)眼底圖像數(shù)據集經過劃分與增強后送入yolov8神經網絡進行訓練，選用訓練得到的最優(yōu)權重進行預測，得到預測結果；所述yolov8神經網絡的預測結果包含兩部分，一部分是標記關鍵點對、邊界框類別以及置信度的測試集圖片；另一部分是包含關鍵點對類別、邊界框坐標以及關鍵點對坐標的文本格式文件；根據預測結果選取三個關鍵點對，由三個關鍵點對計算仿射變換矩陣，對圖像進行仿射變換得到配準結果；
2.根據權利要求1所述的一種基于關鍵點對智能化匹配的多模態(tài)眼底圖像配準方法，其特征在于：多模態(tài)眼底圖像數(shù)據集的制作步驟如下：
3.根據權利要求2所述的一種基于關鍵點對智能化匹配的多模態(tài)眼底圖像配準方法，其特征在于：數(shù)據集劃分與增強的步驟如下：
4.根據權利要求3所述的一種基于關鍵點對智能化匹配的多模態(tài)眼底圖像配準方法，其特征在于：將數(shù)據增強后的訓練集和驗證集送入yolov8神經網絡進行訓練，得到最優(yōu)權重，步驟如下：
5.根據權利要求1所述的一種基于關鍵點對智能化匹配的多模態(tài)眼底圖像配準方法，其特征在于：仿射矩陣變換的公式如下：