一种多模态医学图像融合及疾病预测方法、计算机程序及终端技术

本发明专利技术公开了一种多模态医学图像融合及预测方法、计算机程序及终端，属于图像处理技术领域，构建特征融合模型、显式分类器引导的扩散模型；对显式分类器引导的扩散模型进行训练；提取不同模态医学图像的融合特征信息，并输入完成训练的显式分类器引导的扩散模型，利用噪声预测网络去除噪声，生成多模态融合图像。本发明专利技术将显式分类器引导的扩散模型应用至医学图像融合领域，在数据恢复过程中显式地利用分类器的指导信息，确保生成的图像在各个阶段都严格遵循预设条件，以弥补隐式扩散模型无法保证生成与预期条件一致的图像的问题，进而保证生成图像的一致性和连贯性，生成清晰的多模态融合图像。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种多模态医学图像融合及疾病预测方法、计算机程序及终端。

技术介绍

1、脑成像在早期发现异常以及监测和评估治疗方面起着至关重要的作用。目前，脑成像的主要技术包括磁共振成像(magnetic resonance imaging,mri)、计算机断层扫描(computed tomography,ct)和正电子发射断层扫描(pet)。不同的成像方式提供的病变信息具有不同的生物学重点，这使得单一的成像技术难以全面和深入地表征脑表型。例如，mri提供高分辨率的三维图像，但特异性相对较低，在显示微小病变方面表现较差。ct在描绘骨骼和其他硬组织方面表现出色，但在软组织成像方面清晰度相对较低。因此，充分利用各种影像技术的优势，为脑部疾病提供更准确、更全面的诊断信息至关重要。

2、医学图像融合是解决上述问题的有效途径。传统的图像融合技术，如基于像素、特征和决策级的融合方法，存在诸多技术缺陷。例如，像素级融合方法简单直接，但容易受到噪声和对比度失真的影响，且在处理不同模态图像时，无法充分利用其互补信息。特征级融合方法虽然能在一定程度本文档来自技高网...

【技术保护点】

1.一种多模态医学图像融合方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的多模态医学图像融合方法，其特征在于，利用交叉注意融合模块提取不同模态医学图像的特征信息，包括：

3.根据权利要求1所述的多模态医学图像融合方法，其特征在于，采用交叉自关注模块提取不同模态医学图像的特征信息，包括：

4.根据权利要求1所述的多模态医学图像融合方法，其特征在于，通过损失函数衡量预测噪声与实际添加噪声之间的差异，损失函数表达式为：

5.根据权利要求1所述的多模态医学图像融合方法，其特征在于，利用分类器对带噪声数据的分类结果指导噪声预测网络的数据恢复...

【技术特征摘要】

1.一种多模态医学图像融合方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的多模态医学图像融合方法，其特征在于，利用交叉注意融合模块提取不同模态医学图像的特征信息，包括：

3.根据权利要求1所述的多模态医学图像融合方法，其特征在于，采用交叉自关注模块提取不同模态医学图像的特征信息，包括：

4.根据权利要求1所述的多模态医学图像融合方法，其特征在于，通过损失函数衡量预测噪声与实际添加噪声之间的差异，损失函数表达式为：

5.根据权利要求1所述的多模态医学图像融合方法，其特征在于，利用分类器对带噪声数据的分类结果指导噪声预测网络的数据恢复过程，包括：

6.根据权利要求5所述的多模态医学图像融合方法，其特征在于，显式分类器引导的扩散模型的数据恢复过程的数据更新方式为：

7.根...

【专利技术属性】
技术研发人员：吴昊，韩雨恒，张禄，朴振宇，王钧慷，钱星宇，许家才，李晓瑜，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：