CN119516323A 一种尘肺病影像的多模态识别方法及识别系统 （江西中科健康体检有限公司）

一种尘肺病影像的多模态识别方法及识别本发明提供了一种尘肺病影像的多模态识2;其中，(X,Y0,Z0)为肺DR图像在肺CT图像的三维空间内的预估投影坐标，HPR为拍摄间DR图像中第个像素点在肺CT图像的三维空间内的空间坐标，为肺CT图;为空间DR图像中第个像素点在肺CT图像的三维空间内的空间坐标，;3;;后的空间CT图像的信息熵，MI(CTanDR)为在最大变换参数下肺CT图像进行空;其中，Ir(i)为融合图像中第i个像素点的像素信息，lcrona)(i)为在最大变换参数9max下肺CT图像进行空间变换后的空间CT图像中第i个像素点的像素信息，IPR(i)为空间4[0002]尘肺病是一种典型的职业性疾病，是指患者在生产活动中长期吸入大量粉尘颗CT图像与空间DR图像构建配准空间并基于互信息最大化对肺CT图像进行空间变换得空间;5;;其中，(X,Y0,Z0)为肺DR图像在肺CT图像的三维空间内的预估投影坐标，HPR为为空间DR图像中第个像素点在肺CT图像的三维空间内的空间坐标，为肺;其中，E为配准空间，N为肺CT图像与空间DR图像中待配准的像素点对数，为空间DR图像中第个像素点在肺CT图像的三维空间内的空间坐标，;;;TO)为在最大变换参数下肺CT图像进行空间变换后的空间CT图像的信息熵，MI(CTanDR)为在最大变换参数下肺CT图像进;数9max下肺CT图像进行空间变换后的空间CT图像中第i个像素点的像素信息，IPR(i)为空6语或者科学术语应当为本发明所属领域内具有一般技能的人士所理7用均值滤波进行处理时则能够有效减少随机噪声并对;其中，(X,Y0,Z0)为肺DR图像在肺CT图像的三维空间内的预估投影坐标，HPR为为空间DR图像中第个像素点在肺CT图像的三维空间内的空间坐标，为肺8;其中，E为配准空间，N为肺CT图像与空间DR图像中待配准的像素点对数，为空间DR图像中第个像素点在肺CT图像的三维空间内的空间坐标，;;;TO)为空间CT图像的信息熵，MI(CTanDR)为;;9;其中，V(G,D)为生成式博弈对抗网络中关于生成网络G与判别网络D的函数，所有可能的x取值，并按照其出现的概率进行加权平均[log(1-D(x)]表示从概率分布PG中采样X并计算log(1-D(X))的期望值。合图像类似的样本图像G(Z)，判别网络D对G(Z)进行判别并获得概率分布PA与概率分布PG。[0041]其中，概率分布PA表示从N幅融合图像中随机抽取融合图像输入生成网络G进行基于初始生成网络G生成样本图像对判别网络D进行训练，以使得V(G,D)最大化并更新[0046]具体地，使得V(G,D)最大化并更新判别网络D的权重时，可以通过对V(G,D)关;[0047]具体地，使得V(G,D)最小化并更新生成网络G的权重时，可以对V(G,D)关于生;;[0048]因此通过不断更新生成网络G的权重，使得生成网络G所生成的样本图像的概率分布PG更为接近真实概率分布PA，从而使得判别网络D更加难以区分真实融合图像和基于融合图像中像素点的像素值对像素密度分配图像中的像素点进行像素值分配得样本常组织区域的像素密度较低，因此采用像素密度函数能够很好地模拟尘肺病病灶的分布，表示X射线穿过人体不同组织时被吸收的不同程度，从而能够有效表示融合