基于持续学习的基因表达预测和疾病辅助诊断方法技术

本发明专利技术涉及一种基于持续学习的基因表达预测和疾病辅助诊断方法，属于计算机视觉技术领域，本方法首先构建基于双模态数据对齐的基因表达预测模型，并利用图像‑基因表达数据集进行训练和测试，然后利用弹性权重巩固方法EWC++约束关键参数的更新，利用图像‑疾病诊断结果数据集对该模型进行再训练，在保留基因表达预测功能的基础上实现疾病辅助诊断功能。本方法在不遗忘已有知识的前提下，能够不断学习新的任务，基于持续学习的方法能够实现模型的持续优化和更新，减少了重新训练模型的成本和时间，提高了模型的适应性和灵活性，使其能够更好地应对医学影像分析领域不断变化的需求。

【技术实现步骤摘要】

本专利技术属于计算机视觉，涉及一种基于持续学习的基因表达预测和疾病辅助诊断方法。

技术介绍

1、随着人工智能技术的不断发展，其在医学影像分析领域展现出巨大潜力。人工智能能够快速精准地识别影像中的病变组织，从而辅助医生诊断疾病，如乳腺癌、肺癌、脑肿瘤等。借助深度学习算法，它可以挖掘影像的深层特征，进一步提升诊断的准确率。此外，人工智能对大量影像数据的高效处理能力，不仅减轻了医生的工作负担，还助力远程医疗的发展，使优质诊断资源更容易覆盖偏远地区，为医疗发展带来了新的机遇。

2、在医学研究和诊断中，通过病理组织学图像预测基因表达具有重大意义。首先，该方法摆脱了对昂贵基因测序的依赖，能够快速获取基因表达信息，极大地推动了临床诊断和科学研究的发展。其次，将病理组织学图像中的形态学特征与基因表达相结合，有助于更全面地理解病理组织的生物学特性与基因之间的复杂关系，为精准诊断和治疗提供更丰富的生物学依据。此外，分析病理组织学图像与基因位点表达之间的相关性，有助于发现新的生物治疗靶点，并推动个性化医疗的发展。通过病理组织学图像预测基因位点表达这一任务，不仅提高了本文档来自技高网...

【技术保护点】

1.一种基于持续学习的基因表达预测和疾病辅助诊断方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于持续学习的基因表达预测和疾病辅助诊断方法，其特征在于：所述基因表达预测模型的结构及训练实现的功能如下：

3.根据权利要求2所述的基于持续学习的基因表达预测和疾病辅助诊断方法，其特征在于：步骤S1中所构建的基于双模态数据对齐的基因表达预测模型训练步骤如下：

4.根据权利要求3所述的基于持续学习的基因表达预测和疾病辅助诊断方法，其特征在于：在步骤S1中所构建的基于双模态数据对齐的基因表达预测模型训练完成后，通过以下步骤进行测试：

5.根...

【技术特征摘要】

1.一种基于持续学习的基因表达预测和疾病辅助诊断方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于持续学习的基因表达预测和疾病辅助诊断方法，其特征在于：所述基因表达预测模型的结构及训练实现的功能如下：

3.根据权利要求2所述的基于持续学习的基因表达预测和疾病辅助诊断方法，其特征在于：步骤s1中所构建的基于双模态数据对齐的基因表达预测模型训练步骤如下：

4.根据权利要求3所述的基于持续学习的基因表达预测和疾病辅助诊断方法，其特征在于：在步骤s1中所构建的基于双模态数据对齐的基因表达预测模型训练完成后，通过以下步骤进行测试：

5.根据权利要求4所述的基于持续学习的基因表达预测和疾病辅助诊断方法，其特征在于：所述基因表达预测...

【专利技术属性】
技术研发人员：谢今，吴玉龙，聂晶，徐荣华，周伟建，
申请(专利权)人：重庆大学，
类型：发明
国别省市：