基于多模态特征对比学习的肺癌PET-CT融合分割方法及系统

本发明涉及医学图像处理领域，具体涉及基于多模态特征对比学习的肺癌PET‑CT融合分割方法及系统，首先提取PET和CT图像特征，通过语义引导型对称对比学习架构将特征投影至共享语义空间,采用病灶自适应关注采样机制获取关键区域特征，并通过跨模态特征差异自校准机制优化特征表示,构建多尺度特征金字塔，利用多尺度层次化对比学习机制融合不同尺度特征,结合解剖引导自监督对比学习增强模块，利用CT解剖结构进行自监督学习，进一步强化特征，通过解码器网络生成高精度肺癌病灶分割结果，Dice系数从0.78提升至0.91，10mm以下病灶检出率从65％提升至87％。为肺癌诊断提供了一种高效、精准的图像处理新方法。