基于神经网络的脑梗死后影像识别方法

本发明涉及出血转化预测技术领域，特别是基于神经网络的脑梗死后影像识别方法。本发明的优点在于：利用CNN和残差块自动提取复杂的深层特征，实现CT图像对HT识别结果的端到端识别，将预处理后的CT数据直接输入CNN层，提取浅层信息，增加特征维数，然后对发明设计的两种残差块进行顺序叠加，连续提取深度特征，保证模型性能不下降，最后，利用HT预测器对深度特征进行进一步处理，得到识别结果，利用不同时间的CT平片，借助深度学习构建预测模型，预测患者未来可能发生的出血转化，使急诊神经科医师能够在辅助检查尚不完善的出血转化风险较早阶段更好地识别患者，从而增加对出血转化高风险患者的关注，辅助用药决策。