一种基于多模态数据融合的恶性肝肿瘤分类方法

摘要

本发明涉及一种基于多模态数据融合的恶性肝肿瘤分类方法，通过对非结构化多期CT影像数据的规范化预处理，对结构化的信息进行离散化处理，构建基于卷积神经网络的空间特征提取模块，以及基于门控循环神经网络的时序信息编码模块，并通过多模态数据融合模块，结合非结构化的影像数据与结构化的信息，最终得到深度学习恶性肝肿瘤分类。与现有技术相比，本发明在卷积神经网络的基础上，引入门控循环神经网络，有效挖掘多期造影增强CT的空间时序特征，并使用多模态数据融合将影像特征与临床数据结合，能够显著提高区分肝细胞癌(HCC)，肝内胆管癌(ICC)和转移性肝癌的准确度。