一种文本信息引导下的乳腺癌分子分型预测方法技术

本发明专利技术公开了一种文本信息引导下的乳腺癌分子分型预测方法，包括：采集乳腺癌DCE‑MRI影像及对应影像文本报告；对DCE‑MRI影像进行乳房分割预处理；对文本报告进行数据清洗；预训练影像特征与文本特征编码器；通过基于transformer的协同双向多模态注意力模块进行两种模态的特征融合操作，最终得到影像信息与文本信息的联合表征，进而进行乳腺癌分子分型分类预测。本发明专利技术应用放射性影像及其文本报告两种模态数据，通过多模态注意力融合的方法以文本报告中的信息来驱动指导模型，进行乳腺癌分子分型预测。本发明专利技术提高了乳腺癌分子分型的预测性能，从而帮助医生做出更准确的判断。

【技术实现步骤摘要】

本专利技术属于生物医学，特别是涉及一种文本信息引导下的乳腺癌分子分型预测方法。

技术介绍

1、乳腺癌具有高度异质性，可细分为四种分子分型：管腔上皮a型(luminal a型)、管腔上皮b型(luminal b型)、her-2过表达型(her-2型)和基底细胞样型(basal-like型)，不同的分子分型之间有着显著差异，对于选择合适的个性化治疗方法具有重要意义。目前，乳腺组织病理学是分析肿瘤分子分型的金标准，但侵入性的组织活检易对患者的身体造成二次伤害。因此，临床领域迫切需要一种无创且能精确预测乳腺癌分子分型的有效技术。

2、磁共振成像(magnetic resonance imaging，mri)可以获得病变的形态和血流动力学信息，常用于乳腺癌分子分型的评估。在临床上，医生通常会利用多种模态信息来分析，例如查看放射学影像与文本报告，根据其丰富的领域知识与临床经验，联合解释这些信息来做出诊疗决策。但这种应用多模态信息的工作流程需要大量的专业知识，这在医疗资源有限的地区可能无法获得。且目前用于辅助的深度学习模型大多尚未满足利用多模态信息这一要求。本文档来自技高网...

【技术保护点】

1.一种文本信息引导下的乳腺癌分子分型预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的文本信息引导下的乳腺癌分子分型预测方法，其特征在于，步骤S2具体过程如下：

3.根据权利要求2所述的文本信息引导下的乳腺癌分子分型预测方法，其特征在于，所述步骤S5具体过程如下：

4.根据权利要求3所述的文本信息引导下的乳腺癌分子分型预测方法，其特征在于，步骤S5.1所述DCE-MRI影像特征编码器具体为：

5.根据权利要求4所述的文本信息引导下的乳腺癌分子分型预测方法，其特征在于，步骤S5.3所述协同双向多模态注意力模块具体为：由两个并行的...

【技术特征摘要】

1.一种文本信息引导下的乳腺癌分子分型预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的文本信息引导下的乳腺癌分子分型预测方法，其特征在于，步骤s2具体过程如下：

3.根据权利要求2所述的文本信息引导下的乳腺癌分子分型预测方法，其特征在于，所述步骤s5具体过程如下：

4.根据权利要求3所述的文本信息引导下的乳腺癌分子分型预测方法，其特征在于，步骤s5.1所...

【专利技术属性】
技术研发人员：范明，肖鑫泉，夏志强，宋伟，厉力华，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：