基于潜在分化变分自编码器的多模态癌症生存预测方法

本发明公开了基于潜在分化变分自编码器的多模态癌症生存预测方法，包括以下步骤：对输入的全视野数字切片进行组织区域分割并提取病理特征，对输入的基因组数据按功能类别分组提取分组特征；通过信息瓶颈理论和注意力机制生成压缩的病理特征潜在分布；通过全局后验学习基因组数据的潜在分布，利用功能分化网络生成特异性潜在变量，重建缺失的基因组特征；基于专家乘积技术整合病理与基因组后验，引入对齐损失约束后验分布的一致性；通过共注意力机制筛选生存相关特征，输出生存概率与风险分层结果。本发明采用上述基于潜在分化变分自编码器的多模态癌症生存预测方法，解决了计算冗余，实现了缺失数据下的多模态联合分布估计，提升了临床适用性。