【技术实现步骤摘要】
本专利技术涉及人工智能预测，尤其涉及一种乳腺癌预测模型构建方法、装置及电子设备。
技术介绍
1、
2、目前，乳腺癌的预测模型主要基于临床特征、基因表达等多种数据源。然而，这些方法在预测精度、稳定性以及临床应用方面仍存在一定的局限性。例如，基于临床特征的预测模型往往受到个体差异、数据采集标准不一等因素的影响；基因表达预测模型虽然具有较高的敏感性，但成本较高且技术要求严格。
3、因此，提出一种乳腺癌预测模型构建方法、装置及电子设备。
技术实现思路
1、本说明书提供一种乳腺癌预测模型构建方法、装置及电子设备，充分利用不同特征之间的互补性，增强模型对复杂数据的处理能力，有助于提升模型的泛化能力和鲁棒性。
2、本说明书提供一种乳腺癌预测模型构建方法，包括：
3、获取超声影像及其标注；
4、基于所述超声影像的标注对所述超声影像中的肿瘤区域进行分割，得到病灶分割结果；
5、将所述病灶分割结果进行常规影像组学、深度影像组学提取，得到关
【技术保护点】
1.一种乳腺癌预测模型构建方法，其特征在于，包括：
2.如权利要求1所述的乳腺癌预测模型构建方法，其特征在于，所述超声影像包括二维灰阶超声图像、彩色多普勒超声图像、超声弹性图像、超声造影视频。
3.如权利要求2所述的乳腺癌预测模型构建方法，其特征在于，所述基于所述超声影像的标注对所述超声影像中的肿瘤区域进行分割，包括：利用Encoder-Decoder结构网络对所述病灶分分结果进行分割。
4.如权利要求3所述的乳腺癌预测模型构建方法，其特征在于，所述将所述病灶分割结果进行常规影像组学提取，得到关键特征，包括：
5.如权利...
【技术特征摘要】
1.一种乳腺癌预测模型构建方法，其特征在于，包括：
2.如权利要求1所述的乳腺癌预测模型构建方法，其特征在于，所述超声影像包括二维灰阶超声图像、彩色多普勒超声图像、超声弹性图像、超声造影视频。
3.如权利要求2所述的乳腺癌预测模型构建方法，其特征在于，所述基于所述超声影像的标注对所述超声影像中的肿瘤区域进行分割，包括：利用encoder-decoder结构网络对所述病灶分分结果进行分割。
4.如权利要求3所述的乳腺癌预测模型构建方法，其特征在于，所述将所述病灶分割结果进行常规影像组学提取，得到关键特征，包括：
5.如权利要求4所述的乳腺癌预测模型构建方法，其特征在于，所述将所述病灶分割结果进行深度影像组学提取，得到关键...
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。