基于深度学习分割优化的骨科关节置换术后感染预测方法及系统

本发明公开了一种基于深度学习分割优化的骨科关节置换术后感染预测方法及系统，包括：获取多模态MRI影像数据并进行预处理；然后输入SE‑U‑Net分割模块，输出MRI影像感染区域ROI掩码；SE‑U‑Net分割模块是在编码器与解码器的跳跃连接处嵌入SE模块，通过通道注意力机制动态增强感染区域边缘特征权重；将ROI掩码与原始MRI影像叠加后输入分类模型，输出感染概率值；并自动调整交叉熵损失权重；计算Youden Index最大值对应的动态分类阈值；根据感染概率值与阈值的比较结果，生成感染风险等级。通过SE‑U‑Net的边界优化分割技术，提高了对病灶边界提取精度；采用动态权重补偿与自适应阈值分类机制，能够聚焦感染区域特征并最大化缓解敏感性与特异性之间不平衡，降低假阴性风险。