摘要
本申请公开了一种原发性醛固酮增多症分型定侧方法及系统,涉及生物医学技术领域。其中方法包括:获取患者的CT影像和临床数据;采用影像特征提取模块提取CT影像中的初步影像特征,采用临床特征提取模块提取临床数据中的初步临床特征;将初步影像特征和初步临床特征输入融合模块,得到融合特征;将融合特征输入深度特征提取模块,提取融合特征中的深度特征;将深度特征输入分类模块,得到原发性醛固酮增多症的分型定侧结果。本申请将医学诊断与计算机科学的融合,将多模态异构数据与深度学习技术相结合,对PA进行高灵敏度的分型定侧,提高结果的可靠性,降低AVS技术带来的风险、高成本、高创伤面大等问题。
技术关键词
特征提取模块
深度特征提取
影像
融合特征
残差神经网络
XGBoost算法
原发性
生物医学技术
数据获取模块
编码
蒸馏
患者
注意力
异构
教师
创伤
学生
系统为您推荐了相关专利信息
全自动视觉印刷机
轮廓特征
锡膏量
点焊头
融合特征
三维图像数据
颞颌关节
分类预测模型
患者
人工智能算法
生成对抗网络
多头注意力机制
数据处理单元
特征提取单元
预测系统