摘要
本发明涉及医疗人工智能技术领域,特别涉及一种基于时空注意力和多模态数据引导融合的肺结节恶性风险动态预测方法及系统,基于临床数据得到临床特征,基于肺部CT影像得到肺部CT切片影像,利用开源医疗大模型提取影像中通用医学视觉特征,通过视觉Transformer模型提取肺部CT切片影像中影像特征,基于临床特征和通用医学视觉特征对影像特征进行特征引导优化,得到患者影像特异特征,利用时空注意力机制对患者影像特异特征进行联合映射,得到患者影像时空增强特征;利用门控机制将患者临床特征、通用医学视觉特征和时空增强特征进行加权融合,利用分类器获取患者恶性肺结节风险预测概率。本发明能够预测肺结节的恶性概率,便于实现肺结节筛查等辅助诊断。
技术关键词
影像
CT切片
动态预测方法
视觉特征
时空注意力机制
患者
特异
医疗人工智能技术
数据收集模块
风险
医学特征
分类器
融合特征
编码机制
特征提取模块
动态预测系统
系统为您推荐了相关专利信息
卷积神经网络模型
预算方法
卫星影像数据
注意力机制
影像获取模块
信息编码器
文字特征
大语言模型
多尺度
场景理解方法
机械手指
表面纹理特征
抓取轨迹
深度学习卷积神经网络
工件特征
局部视觉特征
对齐模块
跨模态融合特征
文本编码器
图像编码器
数据嵌入
多模态特征
机器学习架构
超声影像数据
文本