摘要
本发明属于术后预测技术领域,具体的说是一种脊髓室管膜瘤的术后症状预测方法,包括以下步骤:S1:筛选出通过术后病理结果确诊为脊髓室膜的患者,对这些患者进行随访,筛除失访和明确与病程无关的死亡患者;S2:提取出剩余患者的MRI图像,筛除图像缺失和不合格的患者;提取出术后MRI随访的患者,检查有无术后脊髓粘连;通过卷积神经网络识别室管膜瘤的影像学特征,结合患者的信息和术前症状,通过对随访患者的数据分析进行深度学习,较之前的研究具有更多更全面的影像学数据,可以提高模型的可信度;通过大量的MRI图像对该模型进行深度学习后,删除一些与预后相关较弱的因素,从而在不显著降低准确率的前提下大幅度减少计算量。
技术关键词
患者
表达式
卷积神经网络识别
识别特征
图像特征数据
肿瘤
节点
文件夹
配平
感兴趣
下载数据
水肿
空洞
计算方法
图片
训练集
矩阵
队列
系统为您推荐了相关专利信息
剩余寿命预测方法
振动噪声
概率密度函数
风力发电机
剩余寿命预测模型
视频识别方法
静态特征
金字塔网络
作业风险
混合编码器
仿真控制方法
封装系统
谐波
机器学习模型
非线性
粒子模拟方法
计算机
VC++软件
积分误差
网格