一种基于多模态数据融合的可解释癌症生存预测方法

本发明公开了一种基于多模态数据融合的可解释癌症生存预测方法，包括如下步骤：对全切片病理图像进行预处理，获得图像特征矩阵；对与病理图像对应的病理报告文本进行预处理，构建文本特征矩阵；对患者的高维基因表达数据进行预处理，生成多个生存相关基因模块及其特征向量；通过自适应多模态专家混合模块，将获得的多模态特征进行动态融合，得到最终的融合特征表示；使用融合特征表示，结合负对数似然损失函数与Cox比例风险模型训练深度学习模型，对癌症患者进行预后分析。本发明采用上述一种基于多模态数据融合的可解释癌症生存预测方法，不仅提高了预测准确率，还具备较好的模型可解释性，能够自动识别出与癌症预后密切相关的生物标志物。