龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：太原理工大学
摘要：本发明公开了一种基于GCAVE‑GAN和多模态融合的肺癌转移智能预测系统，该系统包括影像数据增强模块GCAVE‑GAN、图像特征融合模块、基因特征提取模块、多模态融合模块CFF及分类器模块。影像数据增强模块采用影像基因关联特征性度量的数据增强网络进行增强，基因数据处理模块利用特征选择以及通道卷积技术提取与肺癌转移相关的基因标记，多模态融合模块通过自适应多特征交叉注意力机制，精确捕获影像与基因数据之间的关联关系，实现深度信息融合，优化肺癌转移风险的预测。本发明特别适用于处理肺癌图像数量不足的情况，能够快速稳定地评估肺癌的转移风险，显著提高预测模型的准确性和效率。
主权项：1.一种基于GCAVE-GAN和多模态融合的肺癌转移智能预测系统，其特征在于，包括影像数据增强模块GCAVE-GAN、图像特征融合模块、基因特征提取模块、多模态融合模块CFF及分类器模块；影像数据增强模块GCAVE-GAN：用于对肿瘤图像进行数据增强，该模块能挖掘影像和基因之间的互补关系，将肿瘤成像特征与潜在的肿瘤遗传信息等数据联系起来，揭示与肺癌转移潜在的相关性，以小样本量生成高质量的肿瘤图像，并且保持图像中基因信息的丰富性；图像特征融合模块：该模块包括双路径编码器和边界引导上下文注意力部分，每个路径编码器的目的是更准确地获取与输入数据相对应的特定特征；基因特征提取模块：由于肺癌患者的基因数据样本量小、维度高，而高维数据富含冗余特征，因此采用Adaboost算法对基因数据进行特征选择；同时不同患者的基因数据存在较大差异，将整体基因数据视为矩阵进行卷积存在较大误差，因此采用通道级卷积机制，独立地提取每个患者的基因数据；多模态融合模块CFF：为了解决不同模态数据不一致的问题，设计了一个基于通道空间注意力的跨模态特征融合模块，对标定后的图像特征和非图像特征进行特征提取；分类器模块：将多模态融合模块输出的特征经过分类器得到精准的肺癌转移分类预测结果。
全文数据：
权利要求：
百度查询： 太原理工大学 基于GCAVE-GAN和多模态融合的肺癌转移智能预测系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号