基于深度学习的甲状腺肿瘤分类及复发风险预测方法

本发明公开了一种基于深度学习的甲状腺肿瘤分类及复发风险预测方法，属于医学影像处理领域，包括以下步骤：对与甲状腺滤泡癌FTC或滤泡性腺瘤FTA相关的多模态数据进行采集和预处理；对预处理后的多模态数据进行特征提取，得到影像特征和病理特征；针对影像特征与病理特征的组合以及影像特征分别采用不同的融合和优化方法，得到第一优化融合特征和第二优化融合特征；将第一优化融合特征输入术前分类模型，得到甲状腺肿瘤类型分类概率，将第二优化融合特征和病理特征输入术后复发风险预测模型，得到复发风险评分。本发明通过特别构建的多模态影像分类模型和复发风险预测模型，提升了术前分类的灵敏度和特异性，并为术后患者提供精准的个体化管理。