公开(公告)号：CN119724562A

公开(公告)日：2025-03-28

申请号：CN202510224991.X

申请日：2025-02-27

Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所) ,  厦门市杏林医院(厦门市传染病医院)

Inventor： 赵敏 ,  颜怿炜 ,  郑莹彬 ,  刘奕杉 ,  赵洁 ,  庄珈滢 ,  杨佳乐

IPC: G16H50/20 ,  G16H50/30 ,  G16H50/70 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084 ,  G16B20/20 ,  G16B20/50 ,  G16B20/30 ,  G06F18/25 ,  G06F18/2135

Abstract: 本发明提供了一种基于病理深度学习的子宫内膜癌的预测方法、装置、设备及存储介质，获取子宫内膜的影像数据，使用卷积神经网络对子宫内膜的影像数据进行空间特征提取，对空间特征进行病灶形态、组织密度和异常区域进行分析，以生成影像向量；获取历史临床诊断文本，使用Transformer模型提取与子宫内膜癌关联的文本向量；获取基因数据中与子宫内膜癌关联的候选基因，使用PCA对候选基因进行分析，以提取突变位点信息和变异分型，根据突变位点信息和变异分型生成基因向量；对影像向量、文本向量、基因向量进行融合以生成融合特征，使用预训练的多层感知器对融合特征进行预测，输出子宫内膜癌的预测结果。实现对子宫内膜癌的早期预测，减少侵入性手术操作。