基于病理CT多模态先验知识引导的肺癌诊断方法及系统

专利主权项内容

1.一种基于病理CT多模态先验知识引导的肺癌诊断方法，其特征在于，具体包括：获取患者的肺部CT图像并输入至训练好的基于CT的肺癌诊断分类深度神经网络C，获得预测的诊断结果；所述训练好的基于CT的肺癌诊断分类深度神经网络C通过如下方法训练获得：构建数据集，所述数据集的每一样本包含患者对应的肺部CT图像、病理图像、病理图像特征真值及肺癌诊断结果真值；构建基于CT的病理特征模拟生成网络B，所述基于CT的病理特征模拟生成网络B的输入为肺部CT图像，主任务输出为模拟的病理特征，辅助任务输出为预测的诊断结果；基于数据集，以最小化基于CT的病理特征模拟生成网络B的主任务和辅助任务的输出与对应真值的误差为目标构建损失函数进行训练，获得训练好的基于CT的病理特征模拟生成网络B；建立基于CT的肺癌诊断分类深度神经网络C，所述基于CT的肺癌诊断分类深度神经网络C由病理特征提取网络C1和影像特征提取网络C2和输出层组成；基于CT的肺癌诊断分类深度神经网络C的输入为肺部CT图像，其中病理特征提取网络C1和影像特征提取网络C2分别用于提取对应的病理特征和影像特征，病理特征提取网络C1和影像特征提取网络C2在特征层沿着通道维度叠加后接入输出层，并最终输出预测的诊断结果；将训练好的基于CT的病理特征模拟生成网络B的参数导入病理特征提取网络C1，并基于数据集，以最小化基于CT的肺癌诊断分类深度神经网络C的输出与对应真值的误差为目标构建损失函数进行训练，获得训练好的基于CT的肺癌诊断分类深度神经网络C。