基于解剖先验与临床条件化的尘肺病多模态分期方法

本发明提供基于解剖先验与临床条件化的尘肺病多模态分期方法，涉及医学图像处理及深度学习领域。该方法通过临床语义编码器将多维度临床指标编码为患者特异性全局表征，并通过解剖学先验区域注意力模块将肺部CT影像划分为六个解剖区域，依据区域注意力权重生成引导特征扫描顺序的动态索引。构建状态控制器将全局表征映射为Mamba状态空间模型的演化参数，使图像特征的状态演化受临床画像调控。进一步设计临床条件化Mamba引擎，在解剖扫描顺序引导下对CT图像特征执行状态空间演化，经全局聚合与分类头输出尘肺病四分类结果。本发明可实现多模态信息深度融合的尘肺病自动化精准分期，为临床评估与早期干预提供智能辅助支持。