【技术实现步骤摘要】
本专利技术涉及医学影像分析领域，具体涉及一种多模态的医学影像分析方法及其计算机程序产品。
技术介绍
1、随着医学影像技术的不断发展，多模态医学影像在临床诊断中发挥着越来越重要的作用。多模态医学影像通过不同成像方式获取患者的解剖结构和生理功能信息，为医生提供更全面的诊断依据。然而，多模态医学影像数据的分析和处理面临着诸多挑战，如何有效地提取和融合不同模态的特征信息，以及如何处理模态缺失的情况，成为当前研究的热点问题。
2、然而，现有技术在处理不完备多模态医学影像数据方面仍存在一些局限性。首先，现有的多模态医学影像分析方法通常需要医生手动进行跨模态分析，这不仅耗时且存在临床医生间的主观解读差异，影响诊断的一致性和准确性。其次，某些特定模态的获取或使用可能受到限制，例如在心血管疾病诊断中，lge序列在肾功能不全患者或孕妇中使用受限，而mapping序列在资源落后地区难以获取，这导致多模态分析的应用范围受到限制。此外，现有的多模态融合方法大多依赖于配对的多模态数据进行训练，在推理阶段难以适应缺失部分输入模态的情况，缺乏足够的灵活性和
【技术保护点】
1.一种多模态的医学影像分析方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，其中，所述特征提取网络是根据所述多于所述各模态种类的训练医学图像经过对比学习损失和分类损失训练的包括：
3.如权利要求2所述的方法，其特征在于，还包括：
4.如权利要求3所述的方法，其特征在于，调整所述学习损失函数和分类损失函数的权重，对所述特征提取网络进行训练。
5.如权利要求2所述的方法，其特征在于，在根据所述对比学习损失函数结果，对所述特征提取网络进行训练之前，先利用所述各模态对应的训练图像特征进行分类，使用分类损...
【技术特征摘要】
1.一种多模态的医学影像分析方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，其中，所述特征提取网络是根据所述多于所述各模态种类的训练医学图像经过对比学习损失和分类损失训练的包括：
3.如权利要求2所述的方法，其特征在于，还包括：
4.如权利要求3所述的方法，其特征在于，调整所述学习损失函数和分类损失函数的权重，对所述特征提取网络进行训练。
5.如权利要求2所述的方法，其特征在于，在根据所述对比学习损失函数结果，对所述特征提取网络进行训练之前，先利用所述各模态对应的训练图像特征进行分类，使用分类损失函数和分类金标准，对...
【专利技术属性】
技术研发人员：陈磊，袁思清，薛忠，沈定刚，
申请(专利权)人：上海联影智能医疗科技有限公司，
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。