基于多模态融合的肿瘤占位脑网络神经影像图像对准方法

本发明公开了一种基于多模态融合的肿瘤占位脑网络神经影像图像对准方法，属于医学图像处理与人工智能交叉技术领域。该方法包括以下核心步骤：多模态影像异构特征解耦、肿瘤占位形变场建模、功能网络拓扑结构保持、跨模态特征对抗对齐、动态形变约束优化及临床可解释性验证，构建基于双重注意力机制的三维非刚性配准网络，通过级联式空间变换模块实现肿瘤病灶区与正常脑组织的微分同胚映射。针对现有技术中多模态特征对齐不充分与脑网络拓扑失真问题，本发明提出功能连接约束的跨模态融合策略，采用图卷积网络编码静息态功能连接特征，结合可变形卷积与双向特征竞争机制动态校正肿瘤占位导致的网络节点位移；设计基于白质纤维束示踪的空间一致性损失函数，通过扩散张量成像特征引导结构‑功能双模态的联合优化，解决传统方法在病灶区域配准精度不足及全脑网络连接失真问题。实验表明，本方法在胶质瘤病例中的配准精度达到0.82mm，较传统方法提升37％，显著提高了肿瘤周围功能网络重建的解剖‑功能一致。