摘要
一种基于多模态深度学习的甲状腺结节自动诊断方法。对超声影像数据、CT影像数据和患者临床数据进行收集并进行预处理后，实现多模态数据的空间对齐；利用卷积神经网络从多模态影像数据中提取深层特征，并采用改进的ResNet结构、U‑Net结构对甲状腺结节区域进行图像分割，并提取感兴趣区域；实现特征提取与融合；构建混合模态的深度神经网络，进行深度学习模型的训练与优化；结合模型推理包括对新输入数据的预处理、特征提取与融合，以及最终的诊断结果生成。本发明通过融合来自不同影像源的多模态数据，结合先进的深度学习模型，实现甲状腺结节的自动诊断，从而提高诊断的准确性和效率。
