摘要
本发明公开了一种基于人工智能影像分析的乏氧驱动型甲状腺乳头状癌复发风险预测系统,该系统通过Web界面接收甲状腺超声和CT影像数据,经数据预处理模块预处理后分割出甲状腺肿瘤图像;特征提取与选择模块对图像提取高通量影像组学特征,并进一步筛选出核心特征,以构建影像组学标签;风险预测模块基于影像组学标签、常规临床特征、肿瘤影像定性特征,及对应的分类标签对构建的预测模型进行训练,并通过SHAP分析影响预测结果的关键特征,利用训练好的预测模型对新数据进行预测;风险输出模块将预测结果转化为图表进行可视化输出;用户界面模块接收风险输出模块输出信息,通过Web界面实时展示给用户。本发明通过整合多模态影像数据和临床数据,构建以乏氧为驱动的复发风险预测模型,实现对PTC患者复发风险的精准预测。
技术关键词
甲状腺乳头状癌
风险预测系统
组学特征
肿瘤
高通量
风险预测模型
随机森林模型
输出模块
多模态影像数据
结节性甲状腺肿
图像
消除算法
桥本氏甲状腺炎
标签
纹理特征
预测模型训练
系统为您推荐了相关专利信息
肿瘤图像处理方法
注意力
原位
混合模块
数学模型
肿瘤早期诊断
标志物
数据分析模块
多靶点
试剂盒
强直性脊柱炎患者
筛选方法
叶酸代谢基因
基线
炎症性关节炎