【技术实现步骤摘要】
本专利技术涉及数据处理，特别涉及一种基于掩码自编码器的癌症生存预测方法、模型预训练方法及装置。
技术介绍
1、准确地生存预测可以指导临床医生为癌症患者制定最佳治疗方案，从而延长患者的生存时间和提高生活质量。近年来，尽管整合多模态数据(包括组织病理学图像和多组学数据)的癌症生存预测方法取得了一些进展，但准确预测患者生存概率仍然是一项极具挑战性的任务。现有的基于深度学习的方法没有通过整合病理学图像和多组学数据来进行预训练，忽略了不同模态之间的内在关联，导致生存预测准确性较低。
2、因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种癌症生存预测方法、模型预训练方法及装置，能够有效提高癌症生存预测的准确性。其具体方案如下：
2、第一方面，本申请公开了一种基于掩码自编码器的癌症生存预测模型预训练方法，包括：
3、获取癌症患者样本的病理学图像以及多组学数据；
4、分别对所...
【技术保护点】
1.一种基于掩码自编码器的癌症生存预测模型预训练方法，其特征在于，包括：
2.根据权利要求1所述的基于掩码自编码器的癌症生存预测模型预训练方法，其特征在于，对所述病理学图像进行预处理，以得到与所述病理学图像对应的病理学图像区域，包括：
3.根据权利要求1所述的基于掩码自编码器的癌症生存预测模型预训练方法，其特征在于，对所述多组学数据进行预处理，以得到与所述多组学数据对应的特征/基因序列，包括：
4.根据权利要求1所述的基于掩码自编码器的癌症生存预测模型预训练方法，其特征在于，基于所述解码结果进行病理学图像重构以得到第一损失值，包括：
5.根...
【技术特征摘要】
1.一种基于掩码自编码器的癌症生存预测模型预训练方法，其特征在于，包括：
2.根据权利要求1所述的基于掩码自编码器的癌症生存预测模型预训练方法，其特征在于，对所述病理学图像进行预处理，以得到与所述病理学图像对应的病理学图像区域，包括：
3.根据权利要求1所述的基于掩码自编码器的癌症生存预测模型预训练方法，其特征在于，对所述多组学数据进行预处理，以得到与所述多组学数据对应的特征/基因序列，包括：
4.根据权利要求1所述的基于掩码自编码器的癌症生存预测模型预训练方法，其特征在于，基于所述解码结果进行病理学图像重构以得到第一损失值，包括：
5.根据权利要求4所述的基于掩码自编码器的癌症生存预测模型预训练方法，其特征在于，基于所述解...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。