【技术实现步骤摘要】
本公开涉及人工智能，尤其涉及一种肿瘤风险预测方法、装置和存储介质。
技术介绍
1、随着信息技术的发展，人工智能技术在医疗领域拥有广泛的应用，以深度学习为基础的计算机方法能够辅助医生进行疾病预测，大大提升了医疗诊断的效率和准确率。而在肿瘤(例如胶质瘤)风险诊断的场景中，由于在手术中存在诊断的时间短、任务重、高风险、高难度等要求下极容易出现误诊、误判等问题，因此人工诊断难度较大，急需机器自动诊断手段。
2、然而，目前的计算病理学方法往往关注基于常规病理图像的最终诊断，更关注病理图像与临床信息、分子特征等模态数据的融合，且基于现有方法进行的肿瘤风险预测复杂、低效，不适合临床诊断，且结果准确度较低。因此，亟需一种新型的肿瘤风险预测方案实现全自动肿瘤(如脑胶质瘤)的快速、准确诊断。
技术实现思路
1、有鉴于此，本公开提出了一种肿瘤风险预测方法、装置和存储介质。
2、根据本公开的一方面，提供了一种肿瘤风险预测方法。该方法包括：
3、基于包含目标肿瘤位置的核磁图像序列...
【技术保护点】
1.一种肿瘤风险预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述肿瘤包括脑胶质瘤，所述基于包含目标肿瘤位置的核磁图像序列进行特征提取，得到第一图像特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于包含目标肿瘤位置的病理图像进行特征提取，得到第二图像特征，包括：
4.根据权利要求1所述的方法，所述对所述第一图像特征和所述第二图像特征进行多模态特征融合，得到多模态融合后的特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述多模态融合后的特征进行分类，得到肿瘤风...
【技术特征摘要】
1.一种肿瘤风险预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述肿瘤包括脑胶质瘤，所述基于包含目标肿瘤位置的核磁图像序列进行特征提取，得到第一图像特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于包含目标肿瘤位置的病理图像进行特征提取，得到第二图像特征，包括：
4.根据权利要求1所述的方法，所述对所述第一图像特征和所述第二图像特征进行多模态特征融合，得到多模态融合后的特征，包括：
5.根据权利要求4所述的方法，...
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。