摘要
本发明公开一种基于多模态交互学习的癌细胞预后预测方法,基于患者的组织病理图像,进行组织病理特征嵌入;基于患者的基因组数据,进行基因组特征嵌入;构建的癌细胞预后预测模型,获得预测结果;在所述癌细胞预后预测模型中包括单峰提取器、多模态最优特征捕获单元和多模态分层交互单元;单峰提取器通过两个编码器分别对基因数据和图像数据进行特征提取,得到单峰特征表示;然后在多模态最优特征捕获单元中,在对抗性学习的支持下,构造多粒度空间来解耦多模态信息;随后,多模态分层交互单元通过两个双边交叉注意模块缩小异质性差距,实现多粒度交互。本发明充分整合互补信息模式同时消除冗余,增强精确癌细胞生存预测的表示能力。
技术关键词
预后预测方法
多模态交互
组织病理图像
预后预测模型
编码器
对抗性
集成特征
分层
生成式对抗网络
基因
编码生成器
患者
补丁
注意力
多模态特征
深度神经网络
多层感知器
数据
系统为您推荐了相关专利信息
航迹数据
识别飞行器
大语言模型
分类网络
特征提取器
通信方法
通信系统
深度学习模型
噪声
编码器参数
角度识别方法
表面肌电信号
生成对抗网络
关节
角度编码器