원래 이름 기록: 北京大学第三医院（北京大学第三临床医学院）; 北京邮电大学

本发明公开了一种基于深度学习的卵巢交界性肿瘤病灶分割方法，属于图像分割领域。方法包括：获取由多家医院卵巢交界性肿瘤病灶的MRI图像组成的数据集；对所述数据集中的样本进行预处理和随机变换增强，得到含有若干目标样本的数据集；将若干所述目标样本输入至SegNet+图像分割网络，训练得到肿瘤分割模型；其中，所述SegNet+图像分割网络含有编码器、注意力模块和解码器。本方案集成传统卷积神经网络与注意力机制，在经典SegNet基础上增加位置和通道注意力机制，强化BOTs特征表示，实现BOTs病灶的像素级精准分割。

本发明公开了一种基于多模型集成的卵巢肿瘤复发风险概率预测方法，属于人工智能技术领域。方法包括：获取待预测目标的临床检测数据；其中，所述临床检测数据包括卵巢癌的临床检测数据和卵巢交界性肿瘤的临床检测数据；将所述临床检测数据输入预先训练好的复发风险概率集成模型中，输出得到待预测目标的卵巢肿瘤复发风险概率预测结果；其中，所述复发风险概率预测集成模型是通过训练集和测试集对基础模型和元学习模型训练得到的，所述训练集和所述测试集通过对标准数据集划分得到，所述标准数据集通过对多源临床数据进行预处理得到。本发明能够提高卵巢肿瘤复发风险概率的准确性和稳定性。