摘要
本申请实施例提供了一种基于多实例学习的肿瘤放疗反应预测方法及系统,该方法包括:构建放疗影像数据集;从放疗影像数据集中提取多维特征并进行组合拼接,得到多维特征的嵌入表示;多维特征包括二维卷积特征和三维卷积特征;构建基于Transformer的多实例学习模型;以多维特征的嵌入表示为模型输入,对多实例学习模型进行迭代训练,得到训练完成的多实例学习模型;使用训练完成的多实例学习模型预测患者放疗中期反应,并结合可解释分析对模型预测过程进行分析评估,对患者肿瘤区域的预测结果进行模型评估。本申请提供的方法,能够预测肿瘤放疗后的反应情况,进而智能辅助医生针对患者实施精准放疗决策,降低患者预后风险与危害。
技术关键词
卷积特征
多实例
肿瘤影像数据
二维卷积神经网络
三维卷积神经网络
切片
患者
像素点
模型训练模块
特征提取模块
网络架构
交叉验证方法
更新模型参数
注意力
分析模块
数据嵌入
多通道
系统为您推荐了相关专利信息
跌倒检测方法
视角
卷积网络模型
融合特征
注意力
组合优化方法
条件协方差矩阵
微分方程求解器
ODE求解器
噪声预测模型
淬火油
智能控制方法
卷积特征
深度学习网络
参数
多模态数据采集
空间点云数据
聚类特征
决策系统
拉普拉斯