一种基于正则化神经网络和动态加权的脑卒复发预测方法

本发明涉及医疗影像分析技术领域，具体涉及了一种基于正则化神经网络和动态加权的脑卒复发预测方法。包括以下步骤：S100：采集若干名脑卒中患者复发的患者数据，所述患者数据包括MRI数据和常规检测数据，形成数据集，并追踪数据集中患者在预设周期内的脑卒中复发情况；S200：建立MPSR模型，通过MRI数据训练MPSR模型；所述S200包括以下步骤：S210：使用ResNet152卷积神经网络提取单张MRI影像的特征，将每个组学的多个连续的MRI输入转换为与transformer兼容的数据格式；S220：引入Lnet‑transformer编码器层，去除数据噪声；S230：利用LSTM神经网络整合每个核磁共振成像组学的时序特征。S240：基于评估器为每个组学进行动态加权并使用多组学预测模块预测患者的在预设周期的脑卒中复发情况。