上海市肺科医院（上海市职业病防治院）

本发明涉及一种基于数字病理图像深度学习的肺癌预后及辅助化疗疗效预测方法，所述方法包括以下步骤：S1数据预处理模块:S11采用CLAM模型对病理图像中的组织区域进行分类；S12将提取的区域划分为图像块，在数据集上预训练的ResNet50模型来处理提取的图像块；S13根据图像块在数字病理图像(WSI)中的位置信息构建相应的图像数据结构；S2特征处理模块：采用图卷积神经网络和自注意机制相结合：使用图神经网络来自动提取特征，采用了一种注意力机制，将计算出的目标节点与其所有相邻节点之间的相关性统一归一化。本发明还提供了辅助化疗疗效预测系统。本发明一种基于图注意的多实例神经网络，用于处理可变WSI以进行生存预测和辅助化疗疗效预测。

本发明提供一种基于影像组学的肺结节良恶性进程预测及自动分类方法和系统，包括：获取多时相三维肺部CT影像与结节预分割实体边界，经空间配准后划分结节三维图像块，得到基准及随访图像块集合，提取各块局部影像组学特征，生成影像组学状态向量；对两图像块轴向坐标差做非负处理，查询轴向位置编码表得初始嵌入，经查询侧状态向量校准、拼接与线性变换生成基础相对位置编码；融合双状态向量生成调制门控，相乘得到空间相对位置编码；跨时间点图像块额外映射边界距离与带符号时间间隔，生成时空演化编码，同一时间点图像块对应的时空演化编码为零向量；两类编码相加并投影为标量，作为偏置项加入注意力分数，基于模型输出完成肺结节良恶性分类。