基于多模态深度学习的卵巢附件肿瘤风险分级系统

本发明涉及肿瘤风险评估技术领域，公开一种基于多模态深度学习的卵巢附件肿瘤风险分级系统，包括：多模态数据采集模块：获取卵巢附件肿瘤患者的超声影像数据、CA125血清浓度数据及金标准数据；超声影像分割模块，采用自适应双向位移进行超声影像病灶区域的自动定位与结构化分割；多模态特征提取模块，根据分割图像的病灶区域掩码提取O‑RADS向量和CEUS向量，以及对CA125血清浓度数据进行数值归一化处理得到标准化特征向量；多模态特征融合模块进行特征融合，得到OCC‑US向量表示；风险分级决策模块，用于对OCC‑US向量表示分类，输出OCC‑US评分及良恶性风险等级。本发明提高了卵巢附件肿瘤的诊断精度和可靠性。