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与流程

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。

背景技术：

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；所述处理器用于获取非小细胞肺癌患者的临床数据集和多模态基因数据集；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；将所有提取的特征拼接起来，输入多交互记忆网络，获得融合特征向量；根据所述融合特征向量，利用生存期预测模型生成非小细胞肺癌患者的生存期预测结果。所述显示器用于显示非小细胞肺癌患者的生存期预测结果。

4、第二方面，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方法，包括：获取非小细胞肺癌患者的临床数据集和多模态基因数据集；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；将所有提取的特征拼接起来，输入多交互记忆网络，获得融合特征向量；根据所述融合特征向量，利用生存期预测模型生成非小细胞肺癌患者的生存期预测结果。

5、根据本申请提供的具体实施例，本申请公开了以下技术效果：

6、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方法及装置，处理器融合了临床数据和多模态基因数据，多模态的数据互补性提供更准确、可靠的信息，能够更准确的表达患者的特征；处理器采用匹配每个基因特征的神经网络提取特征，自动学习数据中的抽象特征，能够很好的适应基因维度的特征，捕获到数据中的更深层次的特征表示；处理器采用多交互记忆网络进行特征融合，可以更好地捕捉数据中的复杂结构和模式；处理器最终利用生存期预测模型生成非小细胞肺癌患者的生存期预测结果，并在显示器上显示，有效地揭示了非小细胞肺癌患者生存期的动态变化和关键驱动因素，进而能够为临床决策过程提供有力的数据支撑。

技术特征：

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。

6.一种基于深度学习的非小细胞肺癌患者生存期预测方法，其特征在于，包括：

7.根据权利要求6所述的基于深度学习的非小细胞肺癌患者生存期预测方法，其特征在于，获取非小细胞肺癌患者的临床数据集和多模态基因数据集，之后还包括：

8.根据权利要求7所述的基于深度学习的非小细胞肺癌患者生存期预测方法，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：

9.根据权利要求6所述的基于深度学习的非小细胞肺癌患者生存期预测方法，其特征在于，所述生存期预测模型为多层感知机；

10.根据权利要求6所述的基于深度学习的非小细胞肺癌患者生存期预测方法，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。

技术总结
本申请公开了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，涉及非小细胞肺癌患者生存期预测领域。该装置包括采集器、处理器和显示器，采集器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；处理器获取非小细胞肺癌患者的临床数据集和多模态基因数据集；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；将所有提取的特征拼接起来，输入多交互记忆网络，获得融合特征向量；根据融合特征向量，利用生存期预测模型生成非小细胞肺癌患者的生存期预测结果；显示器显示非小细胞肺癌患者的生存期预测结果。本申请能够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。

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
受保护的技术使用者：山西省肿瘤医院
技术研发日：
技术公布日：2024/11/14