摘要
本披露公开了一种用于对卒中复发风险预测模型进行训练的方法及相关产品,该方法包括:获取患者的脑灌注影像数据、临床数据和随访数据;随访数据包括随访时间、随访时间的生存状态;生存状态包括是否发生卒中复发、是否存在后遗症、是否存在并发症以及是否死亡;对随访时间和随访时间的生存状态进行数据整合,以获得至少一个生存时间‑事件指示对,事件指示用于标识在生存时间是否发生了预设事件,预设事件为卒中复发;将脑灌注影像数据、临床数据、随访数据和至少一个生存时间‑事件指示对作为训练数据输入至卒中复发风险预测模型中,以对其进行训练。利用本披露的方案,能够提高对卒中复发风险的预测精度。
技术关键词
风险预测模型
影像
特征提取模型
连续型
临床检查数据
处理器
程序
指令
患者
可读存储介质
存储器
数值
标识
参数
计算机
编码
精度
基础
系统为您推荐了相关专利信息
组织切片图像
木材树种
特征提取模型
矩阵
鉴定装置
合成孔径雷达图像
级联卷积神经网络
融合多尺度特征
辅助分类器
SAR遥感影像
风险预测模型
运输监测方法
数字孪生模型
智能食品
耦合算法
模态医学影像
多尺度特征
协同注意力
正电子发射断层扫描
计算机断层扫描
深度学习模型
探测船
地震反射波
三维实景模型
声呐