一种基于双视角扫描和超图融合驱动的肺结节恶性分类方法

本发明公开了一种基于双视角扫描和超图融合驱动的肺结节恶性分类方法，首先收集肺结节CT数据集并预处理，所述数据集包括公开数据集和私有数据集；搭建用于肺结节分类的DPSHG‑VMamba模型，所述DPSHG‑VMamba模型包括堆叠卷积Stem块、文本嵌入层、协同融合Mamba块、堆叠DP‑VMamba块、用于下采样的补丁合并层和特征分类器；将预处理后的图像数据集作为输入，对DPSHG‑VMamba模型进行训练，通过迭代优化网络参数；将待分类的感兴趣区域图像输入至完成训练的DPSHG‑VMamba模型中，输出精准的肺结节恶行分类结果。该方法通过有效建立时空动态模型和提高多模态融合效率方面预测肺结节恶性程度，从而显著提升了分类准确性。