摘要
本发明提供了一种伪CT跨模态转换方法及系统,该方法通过将CT图像与MR图像配准对齐后,采用LLM解析临床文本报告,提取解剖结构描述、病变特征及空间关系,生成结构化条件向量,随后,将文本语义嵌入与MR图像特征融合,驱动对抗扩散模型生成高保真伪CT,其中,扩散模型的训练过程分为两个阶段,第一阶段仅优化扩散模型的条件生成能力,第二阶段同时优化扩散模型与LLM的语义对齐能力,最终将待转换的MR图像输入训练好的扩散模型中,快速输出准确的伪CT图像。
技术关键词
转换方法
多模态特征融合
噪声预测
边界轮廓信息
病变特征
图像配准
信息编码
多尺度特征融合
注意力
生成器网络
语义
文本编码器
图像编码器
图像组合
视觉特征
系统为您推荐了相关专利信息
融合特征
融合方法
交叉注意力机制
信息编码器
多头注意力机制
负荷预测方法
特征提取方式
多模态特征融合
因子
多头注意力机制