基于多模态数据融合的子宫内膜癌分子分型深度学习预测算法

本发明公开了基于多模态数据融合的子宫内膜癌分子分型深度学习预测算法，涉及子宫内膜癌预测技术领域。本发明通过改进的ResNet 18和3D ResNet分别提取病理图像和术前MRI的深度特征，利用跨模态注意力模块动态融合空间与通道特征，一定程度上消除时空错位问题。融合后的特征输入因果门控时序卷积网络，经级联残差块提取高阶语义信息，最终输出分子分型概率及不确定性评分，并通过联合损失优化模型。本发明提出跨模态深度学习模型，结合注意力机制与因果时序网络提升子宫内膜癌分型精度。通过动态软对齐消除病理‑影像时空错位，并利用膨胀卷积建模分子分型因果关联，克服传统方法对肿瘤异质性的关注不足。该设计增强多模态特征表征，为精准诊疗提供技术支持。