医学3D影像特征融合方法和装置、系统、存储介质制造方法及图纸

本发明专利技术公开一种医学3D影像特征融合方法和装置、系统、存储介质，包括：步骤S1、对医学3D影像数据预处理；步骤S2、对预处理后的医学3D影像数据进行影像特征提取；步骤S3、对提取的影像特进行多模态特征融合；步骤S4、以多模态融合特征为条件输入，运用多模态联合特征编码解码器，基于自回归生成策略逐步生成结构化结果。采用本发明专利技术的技术方案，既保障了数据隐私，又提升了医学3D影像诊断的精准度与效率。

【技术实现步骤摘要】

本专利技术属于医学人工智能，尤其涉及一种医学3d影像特征融合方法和装置、系统、存储介质。

技术介绍

1、医学影像处理诊断主要是放射科医生对医学影像(例如x射线、ct扫描、核磁共振扫描等)文件，依据专业的放射学专业知识对影像进行分析，得到影像文件的所见描述及诊断。该系统处理得到的结果可用于辅助临床医生对患者的健康状况评估。

2、但传统的医学影像处理系统有以下限制性：多模态数据融合不足，医学影像常伴随文本报告、标签等多模态信息，但现有方法多聚焦单模态分类任务，未充分挖掘跨模态关联。数据异质性与模型泛化性矛盾，医疗机构数据分布差异显著，传统联邦聚合算法采用均质化权重分配，易受少数低质量数据节点干扰。数据异质性导致全局模型在个性化任务中表现欠佳，需通过自适应聚合策略平衡全局共享与本地特性。传统集中式学习依赖医疗机构共享原始数据，医疗数据的高度敏感性导致机构间数据共享意愿低，形成数据孤岛，且集中存储易受数据泄露攻击，限制了跨机构协同建模的可能性。标注资源依赖与成本高昂，医学影像标注需专家参与，耗时费力，且小规模标注数据易导致模型泛化能力不足。现有自监督方本文档来自技高网...

【技术保护点】

1.一种医学3D影像特征融合方法，其特征在于，包括：

2.如权利要求1所述的医学3D影像特征融合方法，其特征在于，步骤S1的预处理包括：DICOM格式检查、数据增强、归一化和三维重建。

3.如权利要求1所述的医学3D影像特征融合方法，其特征在于，步骤S2中，通过深度特征提取网络、多视角特征编码和跨模态注意力模块对预处理后的医学3D影像数据进行影像特征提取。

4.如权利要求3所述的医学3D影像特征融合方法，其特征在于，步骤S3中，通过知识图谱增强和特征对齐与融合处理对提取的影像特进行多模态特征融合。

5.一种医学3D影像特征融合装置，其特征在...

【技术特征摘要】

1.一种医学3d影像特征融合方法，其特征在于，包括：

2.如权利要求1所述的医学3d影像特征融合方法，其特征在于，步骤s1的预处理包括：dicom格式检查、数据增强、归一化和三维重建。

3.如权利要求1所述的医学3d影像特征融合方法，其特征在于，步骤s2中，通过深度特征提取网络、多视角特征编码和跨模态注意力模块对预处理后的医学3d影像数据进行影像特征提取。

4.如权利要求3所述的医学3d影像特征融合方法，其特征在于，步骤s3中，通过知识图谱增强和特征对齐与融合处理对提取的影像特进行多模态特征融合。

5.一种医学3d影像特征融合装置，其特征在于，包括：

6.如权利要求5所述的医学3d影像特征融合装置，其特征在于，步骤s1的预处理包括：dicom格式检查、数据增强、归一化和三...

【专利技术属性】
技术研发人员：江婧婧，苏照力，李金斌，刘涵轩，李靖，年娜，
申请(专利权)人：京卫智云北京科技有限公司，
类型：发明
国别省市：