【技术实现步骤摘要】
本专利技术涉及图像识别技术，尤其涉及一种基于多模态影像融合的颈动脉斑块智能识别方法及系统。
技术介绍
1、颈动脉斑块是导致脑卒中的主要病因之一，早期准确识别和预测颈动脉斑块的发展情况对于及时干预和降低脑卒中风险具有重要意义。传统的颈动脉斑块识别主要依赖医生对单一模态医学影像的肉眼观察和经验判断，存在主观性强、重复性差等问题，难以全面准确地评估斑块的严重程度和未来进展。
2、近年来，多模态医学影像技术和人工智能方法的发展为颈动脉斑块的智能识别提供了新的途径。一些研究尝试将不同成像模态的影像信息进行融合，通过机器学习算法建立斑块识别和预测模型，取得了初步的效果。然而，现有方法仍然存在以下不足：一是缺乏有效的多模态影像配准和融合方法，难以充分利用不同模态影像所提供的互补信息；二是斑块识别和预测模型的泛化能力有限，难以适应不同患者和成像条件下的影像变化；三是缺乏对斑块严重程度和发展趋势的定量评估指标，难以为临床决策提供客观量化的依据。
3、因此，亟需一种基于多模态影像融合的颈动脉斑块智能识别方法，通过影像配准、特征提取、...
【技术保护点】
1.一种基于多模态影像融合的颈动脉斑块智能识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，提取所述配准后的多模态颈动脉影像的影像特征，得到颈动脉斑块的多模态影像特征集包括：
3.根据权利要求2所述的方法，其特征在于，采用端到端的多任务学习方式，以斑块分割和识别为监督信息，优化多模态注意力图卷积网络模型的参数，得到训练好的多模态注意力图卷积网络模型包括：
4.根据权利要求1所述的方法，其特征在于，将多模态影像特征集输入至预先训练的斑块识别模型中，识别多模态颈动脉影像中是否存在斑块，若存在斑块，则将颈动脉斑块的多...
【技术特征摘要】
1.一种基于多模态影像融合的颈动脉斑块智能识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，提取所述配准后的多模态颈动脉影像的影像特征，得到颈动脉斑块的多模态影像特征集包括：
3.根据权利要求2所述的方法，其特征在于，采用端到端的多任务学习方式，以斑块分割和识别为监督信息，优化多模态注意力图卷积网络模型的参数，得到训练好的多模态注意力图卷积网络模型包括：
4.根据权利要求1所述的方法，其特征在于，将多模态影像特征集输入至预先训练的斑块识别模型中，识别多模态颈动脉影像中是否存在斑块，若存在斑块，则将颈动脉斑块的多模态影像特征集输入至斑块类型分类模型，对斑块的类型进行分类包括：
5...
【专利技术属性】
技术研发人员：于慧敏，陈磊，刘清源，谢明宏，单大勇，郝广山，
申请(专利权)人：东莞市东南部中心医院东莞市东南部中医医疗服务中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。