代表项目 · No.01博士研究 · 医学人工智能
全部代表项目博士研究 · 医学人工智能
多发性骨髓瘤多模态生存预测
开发端到端生存建模流程，通过自监督视觉编码器、多实例学习、Cox 模型与后期融合，将骨髓单细胞形态与临床变量连接起来。
角色：博士研究员与第一作者，负责研究设计、建模、评估设计和科研表达。
§01概述
第一作者博士研究：整合骨髓单细胞形态图像与临床变量，预测新诊断多发性骨髓瘤患者的总生存期。
§02系统架构
- 01骨髓细胞形态图像与临床变量
- 02自监督视觉 Transformer 特征嵌入管线
- 03浆细胞/浆母细胞分类器与恶性指数
- 04基于患者细胞 bag 的多实例生存模型
- 05与临床 Cox 模型后融合得到最终风险预测
§03案例分析
问题
癌症预后同时依赖显微形态和患者级临床变量。技术挑战是把数百万单细胞图像转化为患者级生存信号，同时保留临床相关异质性。
我的贡献
设计端到端多模态管线，结合自监督细胞嵌入、恶性指数、多实例生存建模和临床 Cox 模型后融合。
工程实现
构建 Python/PyTorch 特征管线、HDF5 存储、384 维图像嵌入、患者级 bag 构建、生存指标和可解释风险分层。