基于多模态时序特征的癌症复发概率深度学习预测系统

本发明公开了基于多模态时序特征的癌症复发概率深度学习预测系统，涉及医疗数据处理技术领域；本发明通过采集患者的临床静态数据、动态治疗数据和时序监测数据，构建多模态时序数据集；对数据进行缺失值填补和基于滑动Z‑score的异常值剔除，形成有效数据集；利用随机森林模型筛选关键临床静态特征；构建放疗累积毒性模型量化残余毒性，结合剂量变化速率三态特征生成动态特征；通过动态滑动窗口将特征转换为四维时序张量；采用随机搜索优化LSTM超参数，训练高精度预测模型输出复发概率；最终基于风险分级触发差异化临床干预，形成“预测‑决策”闭环系统，显著提升癌症复发诊疗的主动性与精准性。