摘要
本发明公开了脑动脉栓塞位置的检测方法、装置、电子设备和存储介质,首先获取多组的脑动脉图像针对栓塞的标记位置;对得到特征数据进行预处理,通过特征提取算法,从预处理后的脑动脉栓塞图像中提取影像组学的特征数据;再使用随机森林算法对提取的特征进行重要性筛选,使用多种机器学习模型分别对提取的特征进行分类预测,最后选择性能最优的模型对栓塞位置进行预测。本发明利用了影像组学的纹理特征去预测脑动脉栓塞的位置,可以更好的预测脑动脉栓塞的位置。本发明对提取的特征数据利用了随机森林模型进行重要性筛选,这种筛选方法有助于去掉那些对模型预测影响不大的特征,从而简化模型,从而提高模型的训练效率和泛化能力。
技术关键词
栓塞
机器学习模型
梯度提升决策树
形状特征提取
纹理特征提取
特征提取算法
灰度共生矩阵
随机森林模型
密度
朴素贝叶斯
计算机程序指令
平滑图像边缘
多层感知机
支持向量机
多组图像数据
医学成像数据
影像
系统为您推荐了相关专利信息
发泡陶瓷板
导热系数检测方法
热源模块
导热系数检测装置
模拟模型
攻击溯源方法
主机
网络拓扑分析
溯源信息
系统运行状态
牵引装置
轨道组件
滑动组件
角度检测装置
收卷组件
迭代特征选择
分类方法
编码器结构
解码器结构
机器学习模型