基于空间特征强化与贝叶斯不确定感知优化的卵巢癌预后预测模型OACHSSCD

卵巢癌是一种早期症状不明显且病灶形态复杂的妇科恶性肿瘤,卵巢肿瘤影像能够反映病灶的形态、结构及组织学信息,深入分析其特征可以提升卵巢癌预后预测的准确性。现有方法在处理卵巢肿瘤影像时,往往忽略局部空间、结构与纹理信息的协同作用,缺乏对病灶不确定信息的整体感知,因而模型的预测能力和稳定性仍有待提升。本文提出了一种基于空间特征强化与贝叶斯不确定感知优化的卵巢癌预后预测模型SPT-BUAT(Spatial-Structure-Texture Pseudo-Temporal Bayesian Uncertainty-Aware Transformer),该模型采用空间-结构-纹理协同强化增强影像局部与全局特征表达,通过BUAT进行病灶不确定信息的估计与优化。实验结果表明,本文模型SPT-BUAT对卵巢癌预后预测的性能优于现有方法,可以对模糊边界与灰度异常区域进行更准确的判别。进一步对SPT-BUAT进行了可视化分析,验证了模型的关注区域与实际病灶位置的一致性,为深度学习在卵巢肿瘤影像分析中的应用研究提供了新的思路。