基于深度学习的脑肿瘤占位脑网络神经影像融合方法

本发明公开了一种基于深度学习的脑肿瘤占位脑网络神经影像融合方法，涉及人工智能与医学影像分析技术领域。该方法包括以下协同运作的步骤：多模态脑网络数据融合采集、肿瘤占位效应建模、功能连接特征动态增强、跨模态特征竞争融合、形变脑网络拓扑优化、对抗性特征一致性约束、动态损失自适应调控及临床交互验证。本发明构建基于图神经网络(GNN)与三维卷积神经网络(3D‑CNN)的混合架构，通过空间‑功能双流特征提取模块分别建模肿瘤占位的结构形变与功能网络重组；针对现有技术中脑网络动态适应与多模态特征冗余问题，提出通道‑图注意力协同机制，利用功能连接矩阵动态筛选关键脑区特征，并结合白质纤维束追踪约束肿瘤浸润边界的解剖合理性。最终输出融合肿瘤占位效应与功能网络重构的多维影像图谱，为术前规划与预后评估提供量化依据。