基于呼出气体基座大模型的肺癌辅助诊断方法

本申请属于模型训练技术领域，更具体地说，涉及基于呼出气体基座大模型的肺癌辅助诊断方法；在基础大模型训练阶段，从高维质谱数据中提取n个特征，通过非标训练（学习VOCs的跨样本共性模式，消除噪声干扰并建立对复杂代谢关联的深层表征；随后在肺癌辅助诊断模型训练阶段，将基础大模型提取的泛化特征与多模态数据联合输入，通过监督训练实现病理特异性信号与临床上下文信息的融合建模，从而在保留大模型对VOCs动态时变性和个体异质性适应能力的基础上，增强对肺癌标志物组合的稳定识别，最终提升跨场景泛化性能。