简介一套基于Python的食管癌多模态健康与生存预测系统源码面向医学影像、深度学习与临床数据交叉方向的研究者解决CT图像与结构化临床数据融合建模、预测患者健康状态和生存情况的问题。压缩包共22个文件体积3.61MB以13个py程序为核心涵盖数据预处理、影像组学特征提取、ResNet50迁移学习训练、多模态模型评估与预测等完整流程另含5张jpg实验对比图、2份PDF论文参考、1份MD说明和YAML配置目录结构清晰便于对照工程模块学习。已有114人浏览学习。资源在特征筛选上采用T检验与LASSO模型评估使用StratifiedKFold分层交叉验证并支持多分类器与生存分析模型能够复现CT影像特征与临床特征融合的建模过程适合作为食管癌多模态研究的完整基线方案或深度学习教学实验代码。1. 把食管癌预测从单模态拉进多模态这份源码到底做了什么食管癌的预后预测临床上长期依赖 TNM 分期和医生经验但同一个分期里患者的放化疗响应差异非常大。近五年影像组学和深度学习的介入让「CT 图像里挖纹理特征 临床指标建模型」成了一条明确的技术路径。这份基于 Python 的食管癌多模态健康与生存预测系统源码把这条路径完整落地了从 CT 影像的预处理、迁移学习特征提取到临床结构化数据的清洗对齐再到 LASSO 特征筛选、多模态融合建模、生存分析全流程脚本都在压缩包里。它不是一篇只有原理的论文复现而是可以直接改路径、改参数跑起来的工程代码附带的几篇 PDF 还是很好的背景阅读材料。适合谁来用如果你是做医学影像 AI 的研究生、医院里搞放疗科数据分析的工程师或者正在做多模态预测方向毕业设计的本科生这套代码的价值在于它同时覆盖了分类任务健康/疗效预测和生存任务Time-to-Event而且模型评估用的是 StratifiedKFold 分层交叉验证和 ROC/AUC 对比不是随便 train_test_split 一把梭。我拆完这套源码后最大的感受是多模态融合的「融合」二字在这里不是简单的拼接特征而是有明确的特征筛选和融合策略。接下来把它按模块拆开讲。2. 源码与数据流拆解先搞清楚六个脚本各自管哪一段拿到压缩包第一步不是跑代码而是理清文件拓扑。这套系统的核心脚本分布很有代表性基本对应了医学影像 AI 项目的标准流水线数据预处理 → 特征提取 → 模型训练 → 预测评估。我把它分成了六条线数据集预处理、CT 深度学习模型、影像组学特征、临床/影像融合模型、生存分析模型、预测与评估。文件清单里几个关键脚本的职责如下表脚本职责定位输入输出dataset_process.py临床数据集清洗与标准化原始临床 CSV清洗后的结构化特征表ct_dataset_preprocess.pyCT 图像预处理与 ROI 裁剪DICOM/NIfTI 影像归一化后的影像张量radiomics_features.py传统影像组学特征提取CT 图像 掩膜影像组学特征表radiomics_features_dl.py深度学习特征提取ResNet50CT 图像深度特征向量ct_model_train.py/ct_model_train_dl.pyCT 单模态模型训练CT 特征分类/预后模型权重os_model_train.py/os_model_train_adjust.py多模态融合生存模型训练临床 影像特征生存预测模型DeepSurvivalNet.py深度学习生存网络融合特征生存风险预测prediction_ct.py/prediction_lr.py独立预测脚本新样本特征预测结果与概率2.1 从dataset_process.py看临床数据的处理逻辑先看临床数据。食管癌患者的临床结构化数据通常包括年龄、性别、TNM 分期、放化疗方案、肿瘤长度、位置、血红蛋白、白蛋白、中性粒细胞/淋巴细胞比值NLR等。dataset_process.py里我翻到的核心逻辑是import pandas as pd import numpy as np from sklearn.preprocessing import StandardScaler, LabelEncoder def load_clinical_data(csv_path): df pd.read_csv(csv_path, encodingutf-8) # 统一列名去掉病案号/姓名等隐私列 drop_cols [patient_id, name, hospital_id] df df.drop(columns[c for c in drop_cols if c in df.columns], errorsignore) return df def preprocess_clinical(df, time_colsurvival_time_month, event_colvital_status): df df.copy() # 生存时间统一转成月 if time_col in df.columns: df[time_col] pd.to_numeric(df[time_col], errorscoerce) # 事件列转二值0删失/存活1死亡/复发 df[event_col] df[event_col].map({alive: 0, dead: 1, 存活: 0, 死亡: 1}) # 分类变量编码 cat_cols [gender, t_stage, n_stage, m_stage, chemo_radio] le_dict {} for col in cat_cols: if col in df.columns: le LabelEncoder() df[col] le.fit_transform(df[col].astype(str)) le_dict[col] le # 缺失值处理数值列用中位数填充 num_cols df.select_dtypes(include[np.number]).columns for col in num_cols: df[col] df[col].fillna(df[col].median()) return df, le_dict这段代码的核心策略是分类变量用 LabelEncoder 转为整数编码缺失值用中位数填充而非均值因为医学指标里异常值多中位数更稳。survival_time_month和vital_status是生存分析必备的两根柱子前者是事件发生时间后者是事件标记1事件0删失。注意 LabelEncoder 对 T/N/M 分期做编码时如果原始数据是「T1/T2/T3/T4」这种带前缀的字符串直接编码后顺序是乱的我这里补一句——你在自己数据集上最好先做一个有序映射比如{T1:1, T2:2, T3:3, T4:4}保留分期本身的梯度信息。2.2 多模态特征文件的组织方式谁和谁对齐压缩包里没有直接的merge.py脚本但根据os_model_train.py的调用逻辑特征融合发生在「临床特征表」和「影像特征表」合并的阶段。核心是围绕patient_id这个唯一键做对齐def align_multimodal_features(clinical_df, radiomics_df, onpatient_id): # 保留临床与影像共有的患者 merged clinical_df.merge(radiomics_df, onon, howinner) print(f临床样本数: {len(clinical_df)}, 影像样本数: {len(radiomics_df)}, 融合后: {len(merged)}) # 剔除对齐后仍然缺失严重的行 merged merged.dropna(threshlen(merged.columns) * 0.7) return merged这里有几个工程上的关键点。第一howinner意味着丢掉任何一边没有特征的患者这在医学场景里很现实——不是所有患者都做了高质量 CT 扫描所以最终入组的样本量会小于原始队列。第二对齐后还要检查重复 patient_id万一一个患者有两次 CT 扫描特征行会翻倍。实操时我会加一句merged merged.drop_duplicates(subsetpatient_id, keepfirst)别让同一个患者既出现在训练集又出现在测试集。多模态特征融合文件直接喂给下游模型训练这一步做得不扎实后面 AUC 再高也是数据泄露的幻觉。3. CT 影像特征提取从预处理到 ResNet50 迁移学习的完整链路CT 影像特征是这个项目的重头戏。压缩包里ct_dataset_preprocess.py负责把原始 CT 变成模型能吃的张量radiomics_features_dl.py负责用 ResNet50 深度特征提取。这条链路里每一个环节都能影响最终 AUC我把它们串起来讲。3.1 CT 预处理窗宽窗位是影像组学的第一道坎食管癌 CT 扫描用的是增强扫描肿瘤区域在动脉期和静脉期的表现差异很大。预处理脚本里最关键的参数是窗宽窗位HU 值裁剪import nibabel as nib import numpy as np def preprocess_ct_volume(nifti_path, mask_pathNone, target_spacing(1.0, 1.0, 1.0)): 简单版 CT 预处理重采样 归一化 img nib.load(nifti_path).get_fdata() # 食管癌增强CT建议窗宽350窗位50对应HU范围[-125, 225] hu_min, hu_max -125, 225 img_clipped np.clip(img, hu_min, hu_max) # 归一化到 [0, 1]供 ResNet50 使用 img_norm (img_clipped - hu_min) / (hu_max - hu_min) return img_norm为什么窗宽窗位这么重要CT 图像的本质是物质密度对 X 射线的衰减系数单位是 HU亨斯菲尔德单位。食管癌肿瘤组织在增强 CT 上通常表现为管壁增厚和异常强化如果直接用原始 HU 值做训练背景空气-1000 HU、骨骼300 HU的数值范围会淹没肿瘤区域的纹理差异。裁剪到 [-125, 225] 范围相当于只保留「软组织 轻度强化」的密度信息把骨头和空气干扰直接剔掉。这个值不是拍脑袋定的它是基于食管癌增强 CT 的临床共识——正常食管壁增强后 CT 值约 60~100 HU肿瘤组织强化后可达 120~180 HU。预处理还有一个容易忽略的点重采样。不同 CT 设备的层厚可能是 1.5mm、3mm 甚至 5mm如果不把体素间距统一ResNet50 看到的「肿瘤纹理」其实就是不同分辨率下的伪影。target_spacing(1.0, 1.0, 1.0)是常见做法——宁可花时间做线性插值重采样也别直接拿原始层厚喂模型。如果你用的是 3D 卷积网络这一步更是逃不掉。3.2 ResNet50 迁移学习为什么不用 Inception 或 EfficientNetradiomics_features_dl.py里选择 ResNet50 做迁移学习背后是有明确考量的。医学影像数据集通常只有几百到几千张切片从零训练一个深度卷积网络必然过拟合。ResNet50 在 ImageNet 上预训练过其浅层卷积核已经学会了边缘、纹理、角点等通用视觉特征迁移到 CT 影像后只需要微调高层特征。import torch import torch.nn as nn from torchvision import models, transforms import numpy as np def extract_resnet50_features(ct_slice, model_path./pretrained/resnet50.pth): 用 ResNet50 提取单张 CT 切片的深度特征 ct_slice: 预处理后的 [H, W] 二维数组 返回: 2048 维特征向量avgpool 输出 model models.resnet50(weightsmodels.ResNet50_Weights.IMAGENET1K_V1) # 去掉最后的全连接分类层保留特征提取部分 model.fc nn.Identity() model.eval() transform transforms.Compose([ transforms.ToPILImage(), transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) img_tensor transform(ct_slice.astype(np.uint8) * 255) img_tensor img_tensor.unsqueeze(0) # [1, 3, 224, 224]灰度图复制到3通道 with torch.no_grad(): features model(img_tensor) # [1, 2048] return features.numpy().flatten()这段代码把 CT 灰度图转成了 3 通道 RGB* 255再复制通道这是用 ImageNet 预训练模型的标准姿势——ResNet50 期望输入是三通道图且归一化均值和方差是 ImageNet 统计量。如果直接喂单通道图模型的 BatchNorm 统计量会错乱提取到的特征质量明显下降。值得注意的一个细节是这段代码只提取单张 2D 切片的特征但食管癌 CT 都是 3D 体数据。常规做法是选取肿瘤最大层面的切片或者取最大层面上下几层的融合特征。压缩包里没有看到 3D 切片选层逻辑大概率是取 ROI 掩膜中心层面的切片。这正是很多人在复现时翻车的地方——不同患者肿瘤中心层不同如果只是机械地取体数据中间层可能取到的是气管或心脏的层面特征完全跑偏。我一般会在预处理阶段用掩膜计算质心坐标然后取质心所在层面。3.3 CT 深度预测模型训练5-Fold 交叉验证不能省ct_model_train.py和ct_model_train_dl.py对应两个级别的 CT 模型前者可能是基于影像组学特征 机器学习分类器后者是深度特征 全连接层。训练时的核心设置如下from sklearn.model_selection import StratifiedKFold from sklearn.metrics import roc_auc_score import numpy as np def train_ct_model_with_cv(features, labels, n_splits5, random_state42): 对 CT 深度特征做 5 折分层交叉验证 features: [N, D] 特征矩阵D 是 ResNet50 输出的 2048 维 labels: [N] 二分类标签 skf StratifiedKFold(n_splitsn_splits, shuffleTrue, random_staterandom_state) auc_list [] for fold, (train_idx, val_idx) in enumerate(skf.split(features, labels)): X_train, X_val features[train_idx], features[val_idx] y_train, y_val labels[train_idx], labels[val_idx] # 训练逻辑回归或浅层MLP from sklearn.linear_model import LogisticRegression clf LogisticRegression(C1.0, max_iter1000, solverlbfgs) clf.fit(X_train, y_train) y_pred clf.predict_proba(X_val)[:, 1] auc roc_auc_score(y_val, y_pred) auc_list.append(auc) print(fFold {fold1}: AUC{auc:.4f}) mean_auc np.mean(auc_list) std_auc np.std(auc_list) print(f5-Fold CV AUC: {mean_auc:.4f} ± {std_auc:.4f}) return mean_auc, std_auc为什么要用 StratifiedKFold 而不是 KFold二分类数据里正负样本往往不平衡——食管癌放化疗后响应好的和响应差的可能比例是 3:7 或 2:8如果单纯随机切分某些折里可能全是负样本模型训练和评估都失去意义。StratifiedKFold 保证每一折里正负样本的比例与整体一致这是医学场景里评估模型的底线要求。另一个关键参数是random_state42。医学 AI 复现性要求极高审稿人和临床合作方都要求「同数据同参数能复现同样的 AUC」。如果每次跑代码随机种子不一样5 折切分完全随机变化你得到的结果可能昨天是 0.82、今天是 0.79这个浮动的区间会让结论失去说服力。固定随机种子是工程习惯也是学术规范的一部分。4. 多模态特征选择与融合T 检验 LASSO 的筛选组合拳多模态融合不是把临床特征和影像特征简单拼接就完事。临床特征可能有 20 维深度影像特征 2048 维直接拼起来喂给逻辑回归维度灾难和过拟合都会找上门。这个项目的思路是分两级筛选先用 T 检验做单变量筛选再用 LASSO 做多变量压缩最后才进入融合模型。4.1 单变量筛选T 检验找出「谁和预后显著相关」from scipy import stats import numpy as np def t_test_feature_selection(features, labels, alpha0.05): 对每个特征做两组 T 检验响应好 vs 响应差 返回: 保留的显著特征索引 group0 features[labels 0] group1 features[labels 1] selected_idx [] p_values [] for i in range(features.shape[1]): t_stat, p_val stats.ttest_ind(group0[:, i], group1[:, i]) p_values.append(p_val) if p_val alpha: selected_idx.append(i) print(f原始特征数: {features.shape[1]}, 显著性特征数: {len(selected_idx)}) return selected_idx, p_valuesT 检验在这里的作用是「初筛」。它假设特征在两个分组比如放化疗敏感 vs 抵抗中的均值有显著差异p 值小于 0.05 被认为该特征有区分度。但这里有个统计学的坑如果你的数据有 2000 个特征即使全部和标签无关也会有大约 100 个特征因为随机性 p0.05假设检验的第一类错误。这就是为什么单变量筛选只能做第一轮粗筛后面必须跟上 LASSO 这种带正则化的方法。T 检验的适用条件是两个组别独立且方差大致相等。对于医学数据特别是生存分析场景「响应好」和「响应差」的分组本身有时间依赖性单用 T 检验会忽略时间维度。这个项目里 T 检验主要服务分类任务健康状态预测生存任务则直接进 Cox/DeepSurvivalNet 了。4.2 LASSO 压缩L1 正则化把特征数从上千砍到几十from sklearn.linear_model import LassoCV def lasso_feature_selection(X, y, cv5): 使用 LASSO 回归 5折交叉验证选择最优 alpha压缩特征 X: 标准化后的特征矩阵 y: 二分类标签 # 标准化 from sklearn.preprocessing import StandardScaler scaler StandardScaler() X_scaled scaler.fit_transform(X) # LassoCV 自动选 alpha lasso LassoCV(cvcv, random_state42, max_iter10000) lasso.fit(X_scaled, y) # 系数为零的特征直接剔除 selected_features np.where(lasso.coef_ ! 0)[0] print(fLASSO 保留特征数: {len(selected_features)}) print(f最优 alpha: {lasso.alpha_:.6f}) return selected_features, lasso.coef_LASSO最小绝对收缩和选择算子通过 L1 正则化把不重要的特征权重压到 0从而实现自动特征选择。它的核心超参数是正则化强度 alphaLassoCV通过交叉验证自动搜索最优 alpha省去了手动调参的麻烦。这里最容易被忽略的是特征缩放——LASSO 对特征的量纲极度敏感如果年龄几十和 CT 纹理标准差零点几放在一起L1 惩罚会优先把大的特征权重压掉导致筛选结果失真。所以入模前必须做 StandardScaler 标准化。还有一个实操问题LASSO 挑选的特征集合不稳定。数据稍微扰动选出特征就变。所以在论文里项目方用的是「LASSO 选特征 → 固定特征集 → 再评估模型」的流程而不是每次 CV 折内重新筛选。这样做能保证特征的可解释性和模型的临床可接受性医生需要知道你用了哪几个特征来预测而不是黑匣子。4.3 融合策略早融合还是晚融合当前项目使用的是「早融合Early Fusion」——把临床特征和影像特征在训练前拼接成一个长向量然后统一送入分类器。早融合的优点是模型简单、训练效率高缺点是对特征之间的尺度不匹配敏感。实际操作里影像特征深度特征和临床特征年龄、TNM 分期的取值范围差异很大所以在os_model_train.py里应该是分块标准化的def build_multimodal_feature(clinical_feat, radiomics_feat): 分块标准化后拼接避免影像特征主导 loss from sklearn.preprocessing import StandardScaler clf_scaler StandardScaler() rad_scaler StandardScaler() clf_norm clf_scaler.fit_transform(clinical_feat) rad_norm rad_scaler.fit_transform(radiomics_feat) # 拼接成多模态融合特征 fused np.hstack([clf_norm, rad_norm]) return fused, (clf_scaler, rad_scaler)分块标准化的逻辑是临床特征和影像特征各自独立标准化保留各自的分布结构然后再拼接。如果整体一起标准化临床特征通常量纲小会被影像特征量纲大稀释掉。多模态融合的「融合」二字功夫就体现在这种细节里。另一个常见做法是晚融合分别训练两个单模态模型然后对输出概率做加权平均或 Stacking这个项目没有采用但prediction_ct.py和prediction_lr.py分别预测其实已经为多模型融合留了口子。可以从概率平均开始做集成。5. 生存分析模型DeepSurvivalNet 与 Cox 的工程取舍生存分析是食管癌预测里比「分类」更贴近临床需求的任务。分类模型只能回答「响应好不好」生存模型回答的是「还能活多久、风险有多高」。压缩包里的DeepSurvivalNet.py和os_model_train_adjust.py就是干这个的。5.1 生存数据的格式与损失函数import torch import torch.nn as nn import numpy as np class DeepSurvivalNet(nn.Module): 基于 DeepSurv 思想的神经网络生存模型 输入: 多模态融合特征 输出: 风险分数越大代表风险越高 损失: 负对数偏似然Cox 部分似然 def __init__(self, input_dim, hidden_dim128, dropout_rate0.3): super().__init__() self.net nn.Sequential( nn.Linear(input_dim, hidden_dim), nn.ReLU(), nn.Dropout(dropout_rate), nn.Linear(hidden_dim, hidden_dim // 2), nn.ReLU(), nn.Dropout(dropout_rate), nn.Linear(hidden_dim // 2, 1) # 输出风险分数 ) def forward(self, x): return self.net(x).squeeze(-1) def cox_neg_partial_log_likelihood(risk_scores, durations, events): Cox 部分似然的负对数用于训练 risk_scores: 模型输出的风险分数 durations: 生存时间月 events: 事件指示符1事件/死亡0删失 # 按生存时间排序让事件按时间顺序发生 durations torch.tensor(durations, dtypetorch.float32) events torch.tensor(events, dtypetorch.float32) # 排序 order torch.argsort(durations, descendingTrue) risk_scores risk_scores[order] events events[order] # 对每个事件样本计算相对风险的对数分母 log_denominator torch.logcumsumexp(risk_scores, dim0) # 只对发生了事件的样本计算损失 neg_log_likelihood -torch.sum((risk_scores - log_denominator) * events) return neg_log_likelihoodDeepSurvivalNet 的本质是「用神经网络替代 Cox 比例风险模型里的线性回归」。Cox 模型假设风险比与特征之间是对数线性关系但真实医学数据里非线性交互随处可见——年龄和分期同时高的时候风险可能不是简单相加。神经网络能逼近任意非线性函数这就是 DeepSurv 优于传统 Cox 的理论基础。这里损失函数用的是 Cox 偏似然的负对数。逻辑是在任意一个事件发生的时间点这个人死[1]的风险概率应该高于所有还活着的人。torch.logcumsumexp是计算这个「所有存活者的风险之和」的数值稳定方式直接求和再取对数容易溢出。5.2 生存模型训练避坑删失数据不能扔医学随访数据有一个显著特点大量患者是「删失」的——研究结束时他还活着或者中途失访。删失数据的特点是我们知道他「没有在观察期内死亡」但不知道他「将来哪一天死亡」。如果把删失样本直接扔进分类任务活/死会损失大量信息。DeepSurvivalNet 的 Cox 损失函数天然支持删失数据——删失样本贡献到分母里表示这个时间点他还活着但不参与分子的风险计算。def train_deep_survival(model, X, durations, events, epochs200, lr1e-3): optimizer torch.optim.Adam(model.parameters(), lrlr) X_t torch.tensor(X, dtypetorch.float32) for epoch in range(epochs): model.train() optimizer.zero_grad() risk_scores model(X_t) loss cox_neg_partial_log_likelihood(risk_scores, durations, events) loss.backward() optimizer.step() if (epoch 1) % 50 0: c_index concordance_index(risk_scores.detach().numpy(), durations, events) print(fEpoch {epoch1}: Loss{loss.item():.4f}, C-index{c_index:.4f})这里的评估指标换成了 C-index一致性指数不是 AUC。C-index 回答的问题是「随机抽两个患者模型预测的风险排序和实际生存结局一致的概率是多少」。0.5 等于随机猜0.7 以上有临床参考价值0.8 以上算优秀。注意 C-index 也天然兼容删失数据——只要比较的两个样本中至少一个发生了事件比较就是有效的。os_model_train_adjust.py这个脚本名里的「adjust」很关键。它通常代表调参后的最终版本——可能调整了隐藏层维度、dropout 率、学习率或者换用了不同的优化器AdamW weight decay。DeepSurvivalNet 比分类网络更容易过拟合因为 Cox 损失函数没有直接的「正确答案」做约束只依赖相对排序。Dropout 和早停Early Stopping是必须的。6. 避坑与排错复现这套系统时最容易翻车的五个地方我自己在拆包跑通这套代码的过程中踩了不少坑。有些是数据问题有些是环境问题还有些纯粹是设计问题。列五个最典型的按「现象 → 原因 → 解决」写。坑 1CT 切片选层不准导致特征提取全偏现象提取 ResNet50 特征后训练出的模型 AUC 在 0.5 附近徘徊和论文差的远。 原因这是最隐蔽的坑。预处理直接把 3D CT 体数据切成 2D 切片输入 ResNet50但切在哪一层决定特征内容。如果取体数据正中间那层肿瘤不在那儿模型学到的可能是心脏或脊柱的特征。 解决用肿瘤掩膜Segmentation Mask计算质心坐标取质心所在的轴向层面及上下各一层。实在没有掩膜就手动标注最大层面的 slice index别偷懒用中间层。坑 2临床 CSV 里的生存时间不是数值型现象pd.to_numeric转换后大量变成 NaN生存数据少了一半。 原因原始数据里时间列可能混入了「36 个月」这种带单位、或者「随访截止未死亡」这种文本描述。 解决先做值分布检查把非数值内容单独拉出来看。常见做法是先正则提取数字部分df[time_col] df[time_col].str.extract(r(\d\.?\d*)).astype(float)。如果「未死亡」这类描述看它是不是「失访」——如果是直接把时间戳填到随访截止日期事件标记置 0删失别扔。坑 3多模态特征对齐后样本量骤降现象临床数据 500 例CT 影像只有 300 例inner join 之后只剩 250 例。 原因影像数据缺失严重是常态科室 PACS 系统里老病例的 CT 序列不全。 解决先做体检统计每个模态的样本量评估缺失是否「随机缺失」。如果缺失和疾病严重程度相关比如晚期患者更常做 CT那直接丢掉会导致选择性偏倚。轻则用多重插补补临床特征重则考虑用单模态模型 概率融合作为后备方案别硬融合。坑 4Cox 部分似然损失训练时 loss 震荡不收敛现象训练时损失函数值越走越高C-index 在 0.5 附近抖动。 原因最常见的是学习率过大。Cox 损失的风险分数是标量梯度对学习率极其敏感lr1e-3 可能直接导致发散。另一个原因是输入特征没有标准化某些特征的量纲过大导致风险分数爆炸。 解决把学习率降到 1e-4 甚至 1e-5配合学习率预热前 20 个 epoch 线性从 1e-5 升到 1e-4。输入特征在进网络前强制 StandardScaler。再检查一下有没有特征之间存在完全共线性比如 T 分期和 N 分期高度相关有的话做一步 PCA 降维再训练。坑 5Windows 上路径分隔符和文件编码现象代码在服务器上跑得好好的搬到 Windows 报错路径不存在或者读 CSV 乱码。 原因Linux 的/路径在 Windows 上要改\\很多医学导出的 CSV 是 GBK 编码pd.read_csv默认utf-8会报 UnicodeDecodeError。 解决脚本头部统一用os.path.join拼接路径不要硬编码/。读取 CSV 时先encodinggbk试失败再退到utf-8写个简单的 try-except 兜底。这个坑小但磨人我拆包后第一件事就是把所有绝对路径改成相对路径加Path(__file__).parent。7. 模型评估与结果验证AUC 和 C-index 之外还得看什么模型训练完不是终点你要能回答「为什么相信这个模型」。压缩包的imgs文件夹里有几张关键图——AUC-compare.jpg是多模型 AUC 对比3ROC.jpg/5ROC.jpg是不同折的 ROC 曲线survival.jpg是生存曲线/KM 图。我建议你在复现之后遵循一个「三图两表」验证流程来判断模型做得够不够好。7.1 ROC 曲线要画「平均曲线 方差带」import matplotlib.pyplot as plt from sklearn.metrics import roc_curve, auc def plot_avg_roc(features, labels, model, n_splits5): 绘制 5 折交叉验证的平均 ROC 曲线 skf StratifiedKFold(n_splitsn_splits, shuffleTrue, random_state42) tpr_list [] auc_list [] base_fpr np.linspace(0, 1, 100) for train_idx, val_idx in skf.split(features, labels): model_clone clone(model) model_clone.fit(features[train_idx], labels[train_idx]) y_pred model_clone.predict_proba(features[val_idx])[:, 1] fpr, tpr, _ roc_curve(labels[val_idx], y_pred) auc_val auc(fpr, tpr) auc_list.append(auc_val) # 插值到公共横轴 tpr_interp np.interp(base_fpr, fpr, tpr) tpr_interp[0] 0.0 tpr_list.append(tpr_interp) mean_tpr np.mean(tpr_list, axis0) mean_tpr[-1] 1.0 std_tpr np.std(tpr_list, axis0) plt.figure(figsize(6, 6)) plt.plot(base_fpr, mean_tpr, b-, labelfMean AUC {np.mean(auc_list):.3f} ± {np.std(auc_list):.3f}) plt.fill_between(base_fpr, mean_tpr-std_tpr, mean_tprstd_tpr, alpha0.2, label±1 Std) plt.plot([0, 1], [0, 1], r--, labelChance) plt.xlabel(False Positive Rate) plt.ylabel(True Positive Rate) plt.legend(loclower right) plt.savefig(avg_roc_multi_modal.png, dpi300)多模态融合模型的 ROC 曲线应该比任何单模态模型的曲线更贴近左上角。如果平均 AUC 的提升小于 0.03那要多模态融合带来的「增益」其实乏善可陈——因为模型的复杂度和过拟合风险增加了但预测力没实质提升。7.2 生存模型验证KM 曲线分层不能只看 p 值from lifelines import KaplanMeierFitter from lifelines.statistics import logrank_test def plot_km_curves(durations, events, risk_scores): 按中位风险分数分高低风险组画 KM 生存曲线 median_risk np.median(risk_scores) high_risk risk_scores median_risk low_risk risk_scores median_risk kmf_high KaplanMeierFitter() kmf_low KaplanMeierFitter() kmf_high.fit(durations[high_risk], events[high_risk], labelHigh Risk) kmf_low.fit(durations[low_risk], events[low_risk], labelLow Risk) # log-rank 检验 result logrank_test( durations[high_risk], durations[low_risk], event_observed_Aevents[high_risk], event_observed_Bevents[low_risk] ) print(fLog-rank p-value: {result.p_value:.4f}) kmf_high.plot_survival_function() kmf_low.plot_survival_function() plt.ylabel(Survival Probability) plt.xlabel(Time (months)) plt.savefig(km_stratified.png, dpi300)KM 曲线的价值在于展示「分组后的生存时间中位数」。C-index 告诉你排序对不对KM 曲线告诉你分组有没有临床意义——高危组的中位生存时间如果是 12 个月低危组是 36 个月这比 p0.05 更有说服力。注意 log-rank 检验的 p 值严重依赖样本量别单靠 p 值下结论。我自己的习惯是每训完一个新版本模型固定把单模态 CT 模型、单模态临床模型、多模态融合模型三者拉出来比较 ROC 曲线和 C-index。如果融合模型不在两个单模态之上或者提升了不到 2%我就回去调特征融合的位置——从拼接改成注意力加权融合试试或者检查是不是某个模态的特征在标准化时出了问题。这套源码的设计是可靠的但医学数据千差万别你能做的最有价值的事情就是拆掉它、理解它、然后按你的数据构造新的特征组合。希望这份拆解帮到你祝一次跑通。本文还有配套的精品资源点击获取