摘要
本发明公开了一种基于多模态信息融合的乳腺癌风险预测方法及系统,方法包括:综合利用二维乳腺钼靶影像、三维数字乳腺断层影像及临床信息,分别构建深度学习特征、直方图特征、纹理组学特征三种通道,获取多种影像学预测概率。二维乳腺钼靶影像与三维数字乳腺断层影像分别通过多通道融合策略进行模态内信息整合,临床信息经Logistic回归模型建模,输出三类预测概率。最终采用基于多准则决策的加权融合方法,根据准确率、AUC、敏感性与特异性等评价指标动态计算各模态权重,实现多模态信息的统一融合预测。本发明提升乳腺癌筛查的准确性和鲁棒性。
技术关键词
乳腺钼靶图像
多模态信息融合
乳腺癌风险
深度学习特征
数字乳腺断层影像
组学特征
直方图特征
通道
图像灰度直方图
纹理分析方法
统计特征
多准则决策
卷积神经网络模型
训练分类模型
乳腺癌筛查
系统为您推荐了相关专利信息
实时测量方法
深度学习语义分割
立体视觉
坐标系
特征点
机器人视觉系统
三维场景重建技术
深度估计方法
多模态数据融合
实时图像处理
生长预测方法
递归神经网络模型
深度学习特征
动态
数据
模态特征
关系发现方法
多模态信息融合
交叉注意力机制
关系网络