一种基于机器学习的糖尿病患者症状性ICAS预测方法及系统

本发明涉及一种基于机器学习的糖尿病患者症状性ICAS预测方法及系统，包括：采集目标患者的HRMRI图像样本；对所述HRMRI图像样本进行高危斑块特征分析，获得高危斑块特征；对所述HRMRI图像样本进行影像组学特征提取并进行筛选，获得影像组学特征；基于XGBoost算法，对所述高危斑块特征及所述影像组学特征进行训练，获得预测模型；通过所述预测模型对待预测患者进行症状性ICAS发病预测，获得预测结果。本发明能够提升临床模型在预测糖尿病患者新发症状性颅内动脉粥样硬化性疾病的准确性、稳定性，并适应个体特异性。