【技术实现步骤摘要】
所属的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”“模块”或“系统”。下面参照图4来描述根据本申请的这种实施方式的电子设备400。图4显示的电子设备400仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。如图4所示，电子设备400以通用计算设备的形式表现。电子设备400的组件可以包括但不限于：上述至少一个处理单元410、上述至少一个存储单元420、连接不同系统组件(包括存储单元420和处理单元410)的总线430。其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元410执行，使得所述处理单元410执行本说明书上述“实施例方法”部分中描述的根据本申请各种示例性实施方式的步骤。存储单元420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)421和/或高速缓存存储单元422，还可以进一步包括只读存储单元(rom)423。存储单元420...
【技术保护点】
1.一种基于多模态深度学习的肝癌分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多模态深度学习的肝癌分析方法，其特征在于，所述病理数据为全切片图像，所述目标病理数据通过以下步骤得到：
3.根据权利要求2所述的基于多模态深度学习的肝癌分析方法，其特征在于，所述病理特征通过以下步骤得到：
4.根据权利要求3所述的基于多模态深度学习的肝癌分析方法，其特征在于，所述转录组特征和所述甲基化特征通过以下步骤得到：
5.根据权利要求4所述的基于多模态深度学习的肝癌分析方法，其特征在于，所述目标患者的肝癌分析特征通过以
...【技术特征摘要】
1.一种基于多模态深度学习的肝癌分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多模态深度学习的肝癌分析方法，其特征在于，所述病理数据为全切片图像，所述目标病理数据通过以下步骤得到：
3.根据权利要求2所述的基于多模态深度学习的肝癌分析方法，其特征在于，所述病理特征通过以下步骤得到：
4.根据权利要求3所述的基于多模态深度学习的肝癌分析方法，其特征在于，所述转录组特征和所述甲基化特征通过以下步骤得到：
5.根据权利要求4所述的基于多模态深度学习的肝癌分析方法，其特征在于，所述目标患者的肝癌分析特征通过以下步骤得到：
6.根据权利要求5所述的基于多模态深度学...
【专利技术属性】
技术研发人员：孙艳芹，宋淑萍，王心怡，成旭晨，林潍轩，王永炫，周锶琪，
申请(专利权)人：广东医科大学，
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。