【技术实现步骤摘要】
本申请涉及非小细胞肺癌患者生存期预测领域，特别是涉及一种基于深度学习的非小细胞肺癌患者生存期预测方法及装置。
技术介绍
1、非小细胞肺癌具有预后差、死亡率高的特点，因此对非小细胞肺癌患者的生存期预测具有重要意义。传统的癌症生存期预测主要基于临床和病理特性的分析，但这些信息往往不能全面揭示疾病的复杂性，因此限制了对生存期预测的准确性和可靠性。当前的深度学习技术面临着几个挑战，包括对数据模态的利用不足，仅能预测患者的生存结果，以及预测出的患者生存期较短等问题。
技术实现思路
1、本申请的目的是提供一种基于深度学习的非小细胞肺癌患者生存期预测方法及装置，可提高生存期预测的准确性和可靠性，为临床决策过程提供有力的数据支撑。
2、为实现上述目的，本申请提供了如下方案：
3、第一方面，本申请提供了一种基于深度学习的非小细胞肺癌患者生存期预测装置，包括：采集器、处理器和显示器。采集器与处理器连接；所述采集器用于采集非小细胞肺癌患者的临床数据集和多模态基因数据集。处理器与显示器连接...
【技术保护点】
1.一种基于深度学习的非小细胞肺癌患者生存期预测装置，其特征在于，包括：采集器、处理器和显示器；
2.根据权利要求1所述的基于深度学习的非小细胞肺癌患者生存期预测装置，其特征在于，所述处理器还用于：
3.根据权利要求1所述的基于深度学习的非小细胞肺癌患者生存期预测装置，其特征在于，对临床数据集和多模态基因数据集中的每个模态基因数据集分别采用匹配的神经网络模型提取特征，具体包括：
4.根据权利要求1所述的基于深度学习的非小细胞肺癌患者生存期预测装置，其特征在于，所述生存期预测模型为多层感知机；
5.根据权利要求1所述的基于...
【技术特征摘要】
1.一种基于深度学习的非小细胞肺癌患者生存期预测装置，其特征在于，包括：采集器、处理器和显示器；
2.根据权利要求1所述的基于深度学习的非小细胞肺癌患者生存期预测装置，其特征在于，所述处理器还用于：
3.根据权利要求1所述的基于深度学习的非小细胞肺癌患者生存期预测装置，其特征在于，对临床数据集和多模态基因数据集中的每个模态基因数据集分别采用匹配的神经网络模型提取特征，具体包括：
4.根据权利要求1所述的基于深度学习的非小细胞肺癌患者生存期预测装置，其特征在于，所述生存期预测模型为多层感知机；
5.根据权利要求1所述的基于深度学习的非小细胞肺癌患者生存期预测装置，其特征在于，所述生存期预测结果为预设年限内每年的生存概率。
6.一...
【专利技术属性】
技术研发人员：韩松岩，程永强，冯国昊，魏勤，刘建霞，回海生，李红卫，李晟姝，
申请(专利权)人：山西省肿瘤医院，
类型：发明
国别省市：
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。