一种基于多模态全脑MRI的深度学习预测胶质瘤多种分子病理的方法

本发明涉及一种基于多模态全脑MRI的深度学习预测胶质瘤多种分子病理的方法，包括输入多模态全脑的MRI成像数据和DT I成像数据；提取多维度、多切片的二维CNN块；对预处理后得到的多维度、多切片的图像特征进行解析，分别提取出轴面特征Esag、冠状面特征Ecor以及矢状面特征Eax，并计算出多平面多切片特征S；对S进行多平面多切片图像标记，添加带分类头的变换器编码块，进行I DH突变、1p/19q共缺失和MGMT启动子甲基化多分子病理预测。通过将多模态全脑的MRI成像数据和DT I成像数据进行综合训练，从MR I成像数据和DT I成像数据中提取特征进行训练，实现I DH突变、1p/19q共缺失和MGMT启动子甲基化多分子病理预测，且预测过程中考虑了DT I成像数据，及无需手动标记胶质瘤区域的MRI。