摘要
本发明公开了一种基于BCL模型的帕金森进展预测方法,涉及医疗影像数据技术领域,包括:S1、获取包含H&Y评分和患者基本信息的临床数据,以及包含MRI图像的图像数据;S2、对MRI图像进行格式转换,结合H&Y评分进行数据标注;S3、对数据标注后的图像进行预处理;S4、使用主成分分析对预处理后的图像进行降维,提取图像的低维特征;S5、构造基于平衡权重调度器的课程学习框架以及分类模型,对降维后的特征进行训练;S6、预测患者的帕金森病进展,并对各个分类模型的预测性能进行评估。本发明能够提供更精确的患者疾病阶段评估,降低数据维度的同时提高了模型的计算效率和泛化能力,增强了模型对难样本的学习能力。
技术关键词
帕金森
成分分析
样本
高维图像数据
阶段
医疗影像数据
支持向量机模型
图像像素
患者
随机森林模型
调度器
格式
多层感知机
训练集
预测类别
框架
字典
系统为您推荐了相关专利信息
能耗评估模型
能耗评估方法
胶凝材料
神经网络参数
物联
基板缺陷检测
结点
树形网络
Softmax函数
矩阵
机器学习模型
磨削工艺
轴承滚道
参数优化方法
NSGA2算法
补偿方法
状态空间模型
信号
电流监测模块
滑动窗口