一种基于深度学习的肺癌计算机辅助检测方法

本发明涉及一种基于深度学习的肺癌计算机辅助检测方法，包括如下步骤：建立3D空间和时间维度的4D膨胀卷积核，通过患者历史CT序列构建时空立方体，捕捉病灶生长动力学特征；开发跨模态特征对齐网络，同步处理CT值、PET代谢值、弹性成像数据，提出双流对抗蒸馏架构；将cfDNA甲基化特征通过图神经网络编码为注意力向量。本发明通过时空动态建模、多模态量子化推理和隐私保护进化机制，构建了智能辅助诊断范式，为肺癌早筛提供了可解释、自适应、持续进化的解决方案，通过对立体图像的多动态深度学习模型，多模态深度学习将肺部CT不同感知模态的信息融合到一个统一的深度学习模型中，实现了多信息表达和更准确的预测。