一种基于深度学习的医学影像病灶区域识别方法及系统

本发明公开了一种基于深度学习的医学影像病灶区域识别方法及系统，方法包括：从肺部CT设备采集的原始影像数据中提取多模态特征序列，得到去噪后的特征图集；根据去噪后的特征图集中的像素分布差异确定初步边缘轮廓映射；获取初步边缘轮廓映射中的区域连通组件，通过计算组件间的灰度相似度矩阵，获得增强后的连通区域集合；针对增强后的连通区域集合，采用U‑Net模型对每个区域进行语义分割操作，得到精细分割掩码；从精细分割掩码中提取边界坐标序列，并获得定位坐标组；获取定位坐标组中的异质性指标，得到鲁棒定位结果；根据鲁棒定位结果中的病灶边界信息，生成诊断报告叠加层，叠加到原始影像数据上，获得最终可视化病灶识别输出。