【技术实现步骤摘要】
本专利技术是一种基于深度学习和多模态数据的早期肺癌高危因素预测方法，属于医学影像处理(g06t)及医疗诊断(a61b)领域。
技术介绍
1、肺癌包括非小细胞肺癌(nsclc)和小细胞肺癌(sclc)，其中nsclc约占85％，sclc约占15％。sclc患者预后极差，三分之二的患者在初次诊断时已患有远处转移性疾病。nsclc患者生存率近年来有所提高，这与近年来包括筛查方面的进展、诊断和治疗的微创技术、放射治疗(rt)包括立体定向消融放射治疗(sabr)、以及新的靶向治疗和免疫疗法有关。总体而言，大多数晚期(iv期)肺癌患者在确诊后5年内死亡，而早期(ia期)肺癌患者在5年内的生存率为75％以上。对患者而言，早发现、早诊断、早治疗能给肺癌患者带来更好的预后。因此，对早期肺癌的研究显得尤为重要。
2、根据《nccn肿瘤学临床实践指南》，早期肺癌患者推荐首选的局部治疗方式为根治性外科手术切除。然而，部分患者由于高危因素(包括低分化肿瘤[excluding well-differentiated neuroendocrine tum...
【技术保护点】
1.基于多模态融合的肺癌高危因素分类方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，LADS利用了矩阵乘法和矩阵变换的联合律，将时间和空间复杂度降低到O(n)，具体方程可表示为：
3.如权利要求2所述方法，其特征在于，在空间维度上执行2D FFT将其变换到频域：
4.一种信息处理设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现根据权利要求1-3之一所述的方法。
【技术特征摘要】
1.基于多模态融合的肺癌高危因素分类方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，lads利用了矩阵乘法和矩阵变换的联合律，将时间和空间复杂度降低到o(n)，具体方程可表示为：
3.如权利要...
【专利技术属性】
技术研发人员：童超，张钰琦，张啸谦，苏强，
申请(专利权)人：北京航空航天大学，
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。