基于多模态超声对比学习的肝癌诊断方法OA北大核心CSTPCD

近年来,肝癌已经成为严重威胁人类健康的疾病,多模态超声成像是其诊断的重要手段之一。与临床医生结合多模态超声诊断肝癌类似,利用多模态融合的方法集成各模态超声的影像特征有望提高肝癌诊断的准确性。然而,现有的多模态融合方法在融合过程中往往将各模态的特征信息孤立处理,未能充分考虑模态内的样本相似性和模态间的语义一致性,同时忽视了模态的不确定性。因此,提出了一种基于多模态超声对比学习的肝癌诊断方法,旨在充分利用各超声模态的特征信息,提高诊断准确率。该方法利用监督对比学习深入挖掘模态特征,捕获模态内同类样本之间的相似性信息和不同模态之间样本的语义一致性信息。此外,该方法基于主观逻辑引入了模态不确定度的度量,实现了模态信息的动态融合,具有较好的鲁棒性。多模态超声影像评估结果显示,本文提出的方法实现了85.21%诊断准确率,相较于主流的多模态融合方法性能得到了提升。