基于多模态数据融合和模糊度量的腺癌图像分级预测方法

本发明公开了一种基于多模态数据融合和模糊度量的腺癌图像分级预测方法，旨在解决腺癌分级预测中的数据来源单一性与数据模糊不确定性。通过融合CT影像组学数据和DNA甲基化数据，并结合模糊度量，更好地处理数据中的不确定性和模糊性信息，从而提升分类模型的泛化能力与鲁棒性。该方法有效优化了癌症分级预测模型的整体性能，提升了模型的准确性和可用性。本发明特征融合方法可以利用多个领域的医疗数据进行数据整合，有助于缓解某个领域数据稀疏的问题，从而提高分类模型的覆盖率。