申请/专利权人:安徽工业大学
申请日:2024-02-02
公开(公告)日:2024-04-19
公开(公告)号:CN117912694A
主分类号:G16H50/30
分类号:G16H50/30;G16H50/50;G16H50/70;G16H30/20;G16H10/20;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明提供了一种基于深度学习的多模态癌症生存风险预测方法,包括采集癌症患者的全载玻片图像以及对应的临床数据、基因数据;采用Macehko颜色归一化方法对所述全载玻片图像进行处理,采用词嵌入方法对临床数据进行处理,采用Cox单因素分析方法对基因数据进行特征筛选;基于处理后的全载玻片图像、临床数据、基因数据构建预测数据集;采用基于注意力的多实例学习算法构建生存预测模型,基于生存预测模型以及预测数据集获取癌症患者的生存预测结果;对生存预测模型进行训练与评估,本发明提供了将词嵌入应用于多癌种患者的临床数据并建立预测预后模型的程序,增强了模型学习临床变量之间潜在关联的能力并提高模型预测性能。
主权项:1.一种基于深度学习的多模态癌症生存风险预测方法,其特征在于,包括:采集癌症患者的全载玻片图像以及对应的临床数据、基因数据;采用Macehko颜色归一化方法对所述全载玻片图像进行处理,采用词嵌入方法对所述临床数据进行处理,采用Cox单因素分析方法对所述基因数据进行特征筛选;基于处理后的全载玻片图像、临床数据、基因数据构建预测数据集;采用基于注意力的多实例学习算法构建生存预测模型,基于所述生存预测模型以及所述预测数据集获取癌症患者的生存预测结果;对所述生存预测模型进行训练与评估。
全文数据:
权利要求:
百度查询: 安徽工业大学 一种基于深度学习的多模态癌症生存风险预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。