一种基于提示信息的PET-CT图像融合分割方法

本发明公开了一种基于提示信息的PET‑CT图像融合分割方法，利用PMC‑CLIP模型提取目标文本特征与CT图像特征，通过余弦相似度并使用阈值进行前背景划分生成初始提示信息，接着，采用nnUNet卷积神经网络对PET和CT图像进行特征学习，并结合nnUNet卷积神经网络提取的CT图像第二特征与提示信息，得到目标前景特征。随后，通过K‑means聚类提取区域的原型向量，对提示信息进行进一步细化。最终，将优化后的提示信息与PET图像特征和CT图像第二特征拼接，实现图像精准分割。本发明减少了高代谢活性器官对目标误分割的干扰，从而提升了自动分割的精度。