CN118212501B 一种肺癌多发病灶检测方法、系统、设备及介质 （四川大学）

多病灶数据生成模型对少量的多病灶样本进行发病灶检测模型进行实时的肺癌多发病灶进行2构建多病灶数据生成模型，多病灶数据生成络模型，概率扩散模型包括扩散编码器、扩散解码器，先验信息学习网络模型包括后作为概率扩散模型的输入，肺癌多病灶CT样本图像通过Transformer编码器后输出先验将步骤S1获取肺癌多病灶CT样本图像及标签数据、以及步骤S2得到放射组学分析模块包括放射组学特征提起子模块、一阶特征子模块、奇扩散解码器包括依次设置的第四空间归一化层、第四sigmoid线性单元层、第四卷积35.如权利要求4所述的一种肺癌多发病灶检测样本数据扩充模块，用于构建多病灶数据生成模型，多病灶数据生成模肺癌多病灶CT样本图像中的标签数据经添加随机噪声后作为概率癌多病灶CT样本图像通过Transformer编码器后输出先验信息特征，先验信息特征与扩散接层的输出与概率扩散模型的输出进行拼接，生成模拟的多原发肺癌肺内转移癌合成数多发病灶检测模型训练模块，用于将样本数据获取模多发病灶检测模型构建模块中，多发病灶检测模放射组学分析模块包括放射组学特征提起子模块、一阶特征子模块、奇45癌病灶的患者数量逐渐增多。这些多个肺癌病灶的患者可分为多原发肺癌(multiple肺内同时或先后发现两个或两个以上原发性肺癌病灶，而这些病灶不仅在解剖上是分离人工智能技术的高效且准确的检测方法可望为临床多肺癌病灶患者的精准治疗提供了新[0005]如若采用上述发明专利中根据肺癌致癌的驱动基因和热点突变对病灶来源于多6习网络模型，概率扩散模型包括扩散编码器、扩散解码器，先验信息学习网络模型包括[0014]肺癌多病灶CT样本图像中的标签数据经添加随机噪声后作为概率扩散模型的输7师网络输出的实例掩码进行学习、更新参数，学生网络的参数通过EMA更新教师网络的参[0037]肺癌多病灶CT样本图像中的标签数据经添加随机噪声后作为概率扩散模型的输8癌多病灶CT样本图像的精准标签数据也均来CT样本图像进行简单的归一化处理，即将CT图像经过crop后变为300*472*472大小的CT图习网络模型，概率扩散模型包括扩散编码器、扩散解码器，先验信息学习网络模型包括[0060]肺癌多病灶CT样本图像中的标签数据经添加随机噪声后作为概率扩散模型的输[0061]本实施例利用Transformer编码器提取到的肺癌病灶的形态和大小等先验信息特9[0063]本实施例引入transformer提取的先验信息，包括肺癌病灶的位置、大小和形状[0064]将概率扩散模型的输出与先验信息学习网络的输出进行拼接，生成模拟的影像癌多病灶CT样本图像的精准标签数据也均来CT样本图像进行简单的归一化处理，即将CT图像经过crop后变为300*472*472大小的CT图[0092]肺癌多病灶CT样本图像中的标签数据经添加随机噪声后作为概率扩散模型的输[0093]本实施例利用Transformer编码器提取到的肺癌病灶的形态和大小等先验信息特[0095]本实施例引入transformer提取的先验信息，包括肺癌病灶的位置、大小和形状[0096]将概率扩散模型的输出与先验信息学习网络的输出进行拼接，生成模拟的影像[0117]所述处理器在一些实施例中可以是中央处理器(CentralProcessingUnit，少一个处理器执行，以使所述至少一个处理器执行如上述的肺癌多发病灶检测方法的步出贡献的部分可以以软件产品的形式体现