用于预测肝癌超进展的多模态影像模型训练方法及装置

本申请涉及一种用于预测肝癌超进展的多模态影像模型训练方法及装置，获取训练数据和结果数据。通过核密度分析识别病灶区域图像的兴趣点以强化病灶区域图像，并将强化后的病灶区域图像通过自动分割模型获得分割图像，作为特征图像。将特征图像作为训练样本，并将临床指标、循环肿瘤细胞指标和超进展结果作为结果样本，基于学习模型训练用于预测肝癌超进展的多模态影像模型。通过精准的图像分割，提高训练样本的图像质量并降低不同模态的图像信息差。以核密度分析结合临床指标、循环肿瘤细胞指标的选取，提高超进展预测的精确性。获得的多模态影像模型可根据输入的多模态的病灶区域图像、临床指标、循环肿瘤细胞指标，预测肝癌超进展信息。