摘要
一种基于深度学习的前列腺PSMA PET/CT和增强MR多模态影像配准与融合方法,包括对获取的PSMA PET/CT和增强MRI数据进行预处理;构建包含语义门控卷积模块构建包含语义门控卷积模块和U‑CLSTM模块的多尺度多阶段配准网络:SGC模块通过V通道增强全局感知能力,U‑CLSTM模块利用U通道强化局部特征注意力,结合金字塔结构进行形变场迭代优化,最终通过Y通道加权融合生成高精度配准图像。本发明将全局信息自适应与局部特征增强相结合,通过多尺度金字塔结构同步提升腺体解剖结构和肿瘤病灶的配准精度,有效整合PSMAPET/CT功能代谢信息与MRI解剖结构信息,生成的三维融合图像可直观显示肿瘤的空间位置、形态特征及侵袭范围,为临床诊断提供具有高空间一致性的多模态影像依据,显著提高前列腺癌诊断准确率。
技术关键词
融合方法
金字塔结构
分量特征
卷积模块
通道
图像格式转换
多阶段
语义
影像
融合多尺度特征
组合编码器
记忆单元
网络
解码模块
图像增强
系统为您推荐了相关专利信息
视频预测模型
特征值
视频帧
时序
图像数据处理系统
模拟信号采集装置
便携式多通道
采集板卡
电源管理模块
主控单元
声学信号分析
膝关节
信号采集系统
巴特沃斯滤波器
深度学习模型
液晶高分子材料
平面模板
液晶取向层
微流体驱动方法
通道