摘要
本申请公开了一种肺腺癌术后进展预测方法,先获取肺腺癌术后临床数据集与CT影像数据,临床数据含多个临床参数及术后情况标签。基于临床数据集构建临床数据模型,并基于该模型得到独立预测因子。依据CT影像数据构建影像组学特征模型,并基于该模型算出特征权重。根据CT影像数据与预训练模型构建图像特征提取模型,并基于该模型得到学习特征评分。整合独立预测因子、特征权重和学习特征评分构建目标预测模型。实际应用时,输入待预测的肺腺癌术后数据,即可得出预测结果。本申请实施例通过整合多源数据建模,能够突破单一数据源局限,从而有效提升肺腺癌术后预测的准确性。
技术关键词
CT影像数据
图像特征提取模型
学习特征
影像特征数据
组学特征
图像特征数据
因子
逻辑回归模型
通道
标签
参数
颜色
图像块
关系
误差
系统为您推荐了相关专利信息
患者身份识别
CT医学影像
可视化系统
CT影像数据
医学影像管理系统
术后并发症
模块通信
混合深度学习模型
预警系统
数据采集模块
信息预测方法
特征提取模型
训练特征
序列
学习特征