摘要
本申请提供肿瘤预后预测模型训练方法、肿瘤预后预测方法及装置,方法包括:将各个全切片病理图像数据各自的归一化图像数据输入自编码器以获取各个目标特征图数据;将各个目标特征图数据分别与总体生存期数据和生存状态数据进行组合以得到各个数据样本,并训练基于注意力机制的多示例学习模型,以得到用于预测全切片病理图像数据对应的生存期的肿瘤预后预测模型。本申请能够提高模型训练过程中针对患病区域的识别及关注准确性,能够解决全切片图像标签较少的问题,能够提高提取病理图像的有效区域,进而能够提高肿瘤预后预测模型的训练效率、准确性和可靠性,以提高采用肿瘤预后预测模型进行肿瘤预后预测的结果有效性及准确性。
技术关键词
肿瘤预后预测
模型训练方法
图像块
注意力机制
切片
数据
编码器
样本
弱监督学习
模型训练装置
解码器
处理器
组合模块
像素点
编码模块
极值
可读存储介质
存储器
系统为您推荐了相关专利信息
动态预测方法
光伏发电量
光伏发电系统
多层感知机
气象
语义分割方法
语义标签
深度学习语义分割
点云
深度预测模型
说话人验证方法
特征提取模型
声纹特征
通道注意力机制
数据
焊缝缺陷检测方法
特征金字塔网络
超参数
进化优化算法
计算机程序产品