一种通过对比学习和双层注意力对经过NAC的乳腺癌病人预测是否达到pCR的方法

本发明提供了一种通过对比学习和双层注意力对经过NAC的乳腺癌病人预测是否达到pCR的方法。该方法首先结合阈值分割算法对全视野数字切片(WSI)进行预处理，提取图像patch；采用对比学习方法对特征提取网络进行自监督预训练，然后使用特征提取网络对patch进行特征提取,接着构建双层注意力多示例学习架构，在第一层中引入基于指数运算的注意力机制生成伪包特征，在第二层使用ABMIL对伪包特征进行分类得到经过NAC的乳腺癌病人是否达到pCR(pathological Complete Response)的预测结果。本发明提高了乳腺癌NAC后pCR预测的准确性和可靠性，为医生提供更全面且准确的诊断辅助工具。