摘要
本发明涉及癌症检测技术领域。目的在于提供基于深度学习的前列腺癌医学智能预测系统,包括Gleason评分预测系统和csPCA风险预测系统;所述csPCA风险预测系统能够结合临床数据和Gleason评分预测系统获得的数据集进行综合预测评价。本发明将深度学习技术在前列腺癌Gleason评分预测中的应用显著提升了评分过程的客观性和一致性,能够自动处理病理图像,避免了人为因素对评分过程的影响,提高了评分的客观性。创新性地将回归损失与分类损失相结合,将回归任务常用的MSE损失函数与分类任务常用的Focal损失函数相结合作为网络训练的损失函数。
技术关键词
智能预测系统
风险预测系统
深度学习网络模型
可视化工具
游离前列腺特异性抗原
总前列腺特异性抗原
分辨率
特征选择
L1范数正则化
医学
图像块
训练集数据
癌症检测技术
神经网络模型
二次判别分析
系统为您推荐了相关专利信息
模态医学影像
智能预测方法
互补特征
跨模态
查询特征
扩展卡尔曼滤波
列车运行状态
估计方法
非线性状态空间
估计误差
智能预测方法
文本
数据
智能虫情测报灯
农业虫害监测