摘要
本发明提供了一种基于CT检查自动化测量体质成分的KOA风险预测方法,包括:分别获取健康人群和KOA患者的CT数据集;采用移动图像增强窗口对CT数据集进行预处理,得到预处理数据集;利用预处理数据集对预设的多目标分割的卷积神经网络深度学习模型进行训练,得到分割信息;利用分割信息自动获得体质参数;根据体质参数和预设的临床资料建立样本数据集,并对样本数据集进行特征提取;利用特征值对预设模型进行训练,得到KOA风险预测模型;利用KOA风险预测模型对待测人群进行KOA风险预测,得到预测结果。本发明能够通过机器学习预测模型,构建整合人体体质成分及临床因素的KOA的风险预测系统预期,实现精准预测KOA的风险,为临床KOA的防治提供重要数据参考。
技术关键词
卷积神经网络深度学习模型
风险预测方法
风险预测模型
图像增强
CT数据集
分类器
神经网络模型
分类网络
特征值
内脏脂肪面积
朴素贝叶斯模型
高斯滤波方法
风险预测系统
样本
像素点
校正
系统为您推荐了相关专利信息
识别方法
图像增强
图像处理模块
注意力机制
鲁棒性
图像特征匹配方法
ORB算法
RANSAC算法
汉明距离
直方图均衡化算法
地理信息测绘系统
数据分析设备
地理信息数据处理
区域匹配算法
多光谱遥感
轻质新型墙体材料
图像处理模型
图像处理方法
代表
模块
红外图像增强方法
阈值选取方法
直方图
像素点
均衡算法