摘要
本发明公开一种肾透明细胞癌预后预测辅助方法,通过多模态表征提取和多模态知识获取的四个编码器,从CT图像和病理图像中提取三类知识成分:仅存在于单一模态中的个性知识、存在于多模态之间的共性知识以及通过模态间交互获得的衍生知识;再通过自适应融合策略为不同类型的知识动态分配最优权重,从而获得最优的融合特征;后由极限学习机来对各中心特征进行预测,以获得ccRCC患者的预测结果。在训练过程中,通过知识层面和样本层面的引导损失,使得不同知识更具有判别性和区分性。本发明有效提高了ccRCC预后评估性能,从而达到辅助诊断的效果。
技术关键词
乘法器
编码器
样本
极限学习机
编码生成器
特征提取器
预后预测模型
注意力
图像
模块
金字塔
加法器
稀疏贝叶斯
数据
网络
多层感知器
融合策略
融合特征
患者
多模态
系统为您推荐了相关专利信息
裂缝识别方法
构筑物
关键点
通道注意力机制
影像
风险预测模型
差异表达基因
脓毒症患者
基因表达数据
预测脓毒症