1.一种基于舌象图像和血液肿瘤标志物的肿瘤预测系统，其特征在于包括：
2.根据权利要求1所述的系统，其特征在于：所述血液肿瘤标志物选自afp、cea、ca125、ca15-3、ca199、ca72-4、ca242、ca50、cyfra21-1、nse、scc、tpsa、fpsa、afu、ebv-vca、tsgf、ferritin、β2-mg、poa或progrp中的至少一种。
3.根据权利要求1或2所述的系统，其特征在于：所述肿瘤是胃癌、乳腺癌、结直肠癌、食道癌、肝胆胰腺癌、肺癌、前列腺癌、甲状腺癌、卵巢癌、神经母细胞瘤、滋养细胞肿瘤或头颈部鳞癌中的至少一种；优选的，所述肿瘤是胃癌、乳腺癌、结直肠癌、食道癌、肝胆胰腺癌或肺癌中的至少一种。
4.根据权利要求1或2所述的系统，其特征在于：
5.根据权利要求1或2所述的系统，其特征在于：所述可判别性的特征来自于舌象图像、血液肿瘤标志物指标数据模态上的阳性类别与阴性类别之间。
6.根据权利要求1或2所述的系统，其特征在于：所述可判别性的特征来自于成对输入交互式深度学习模型的阳性舌象图像、对应血液肿瘤标志物指标和阴性舌象图像、对应血液肿瘤标志物指标。
7.根据权利要求6所述的系统，其特征在于：
8.根据权利要求6所述的系统，其特征在于：所述数据处理模块具体配置为通过下述操作来获得测试试样属于阳性的概率：
9.根据权利要求8所述的系统，其特征在于：
10.根据权利要求8或9所述的系统，其特征在于：
11.根据权利要求1或2所述的系统，其特征在于：
12.根据权利要求11所述的系统，其特征在于：所述数据处理模块具体配置为通过下述操作来获得测试试样属于阳性的概率：
13.根据权利要求12所述的系统，其特征在于：所述深度学习模型通过下述步骤完成训练：
14.根据权利要求13所述的系统，其特征在于：
15.根据权利要求13或14所述的系统，其特征在于：
16.基于舌象图像和血液肿瘤标志物的肿瘤预测方法，其特征在于包括：
17.权利要求1-15任一项所述系统和/或权利要求16所述方法的应用，其特征在于包括：