一种基于H&E数字病理切片跨模态预测免疫组化分子表型的方法

本发明涉及一种基于H&E数字病理切片跨模态预测免疫组化分子表型的方法。它解决了现有技术中免疫组化分子表型检查方法耗时长且诊断准确性不佳的问题。它包括S1、数据预处理：根据标注信息将H&E数字病理切片切分并分配标签；S2、使用迁移学习训练卷积神经网络模型CNN作为第一阶段模型并输出预测结果；S3、对第一阶段模型输出的预测结果进行后处理，根据标签分配策略获取切片级别标签并将预测结果作为肿瘤的切片进行第二阶段模型的输入；S4、跨模态预测：为每一个切片分配九种生物标志物的标签训练第二阶段模型。本发明的优点在于：提高了低分化肺癌亚型的诊断准确性以及对于复杂和异质性肿瘤组织的分类准确性，并且提高了算法的可接受度和可转化性。