一种引入概念编码的CSTA-GAN网络模型对未来肺部LDCT影像的生成方法

本发明技术提供了一种引入概念编码的CSTA‑GAN网络模型对未来肺部LDCT影像的生成方法，有如下优点：设计了一种引入临床概念信息的CSTA‑GAN深度学习网络结构，相比于传统的生成网络，该网络引入时间与空间注意力机制结构，引导模型重点关注LDCT影像中变化的断层图像与结节区域；将概念编码引入CSTA‑GAN网络模型，结合影像学表现、筛查诊断结果、流行病学信息对患者已有的信息进行概念信息编码，使模型生成的未来LDCT影像考虑患者生活和环境的多因素综合影响；CSTA‑GAN网络通过一次肺癌筛查的LDCT生成患者未来的LDCT影像，可以使诊断医师对患者未来肺结节的变化有一个初步的判断，减少肺癌诊断时存在的假阳性和假阴性结果，同时降低了患者复查时受到的辐射暴露、信息压力和成本问题。