【技术实现步骤摘要】
本专利技术涉及医学图像处理领域，具体涉及基于多模态特征对比学习的肺癌pet-ct融合分割方法及系统。
技术介绍
1、肺癌是全球范围内发病率和死亡率最高的恶性肿瘤之一，早期精准诊断对提高患者生存率至关重要。正电子发射断层扫描-计算机断层扫描(pet-ct)作为一种融合功能代谢信息与解剖结构信息的多模态成像技术，已成为肺癌诊断和分期的重要手段。pet图像通过示踪剂的摄取反映组织代谢活性，而ct图像则提供高分辨率的解剖结构信息，两者结合能够显著提高肺癌检测和诊断的准确性。
2、然而，目前pet-ct图像处理技术仍面临多项挑战。如公告号为cn118229530b的中国专利技术专利，公开了基于深度学习的pet-ct肺癌图像增强与复原方法，应用深度学习提高pet-ct肺癌图像分析质量，但仍存在以下不足：一方面，虽然尝试对比pet和ct图像特征差异，但缺乏真正意义上的多模态特征交互和互补信息提取，融合机制相对简单，无法充分利用两种模态的互补信息；另一方面，缺少专门设计的模态间特征分布对齐学习机制，影响多模态信息的协同利用；此外，现有技术中...
【技术保护点】
1.基于多模态特征对比学习的肺癌PET-CT融合分割方法，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，所述语义引导型对称对比学习架构具体包括：
3.根据权利要求1所述的方法，其特征在于，所述病灶自适应关注采样机制具体包括：
4.根据权利要求1所述的方法，其特征在于，所述跨模态特征差异自校准机制具体包括：
5.根据权利要求1所述的方法，其特征在于，所述多尺度层次化对比学习机制具体包括：
6.根据权利要求1所述的方法，其特征在于，所述解剖引导自监督对比学习增强具体包括：
7.根据权利...
【技术特征摘要】
1.基于多模态特征对比学习的肺癌pet-ct融合分割方法，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，所述语义引导型对称对比学习架构具体包括：
3.根据权利要求1所述的方法，其特征在于，所述病灶自适应关注采样机制具体包括：
4.根据权利要求1所述的方法，其特征在于，所述跨模态特征差异自校准机制具体包括：
5.根据权利要求1所述的方法，其特征在于，所述多尺度层次化对比学习机制具体包括：
6.根据权利要求1所述的方法，其特征在于，所述解剖引导自监督对比学习增强具体包括：
7.根据权利要求1所述的方...
【专利技术属性】
技术研发人员：蔡晨蕾，徐唯傑，王雷，
申请(专利权)人：上海市肺科医院上海市职业病防治院，
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。