摘要
本发明涉及一种医疗信息技术领域,是一种基于影像组学的慢性骨髓炎预测模型训练方法、预测方法、装置、电子设备及存储介质,包括获取第一样本集、第二样本集和第三样本集,分别对多种机器学习算法进行训练,得到对应的原始ROI训练模型集、第一外扩ROI训练模型集、第二外扩ROI训练模型集,分别对各个训练模型集进行测试,选则评价结果最好的模型作为原始ROI预测模型、第一外扩ROI预测模型、第二外扩ROI预测模型。本发明利用逐级外扩策略和算法优化使得应用时能得到有效的慢性骨髓炎清创辅助决策,为外科医生提供更全面的病灶评估和更清晰的手术边缘选择,在“彻底清创”和“最小化骨损伤”之间寻找相对安全的平衡点提供了准确有效的辅助数据支撑。
技术关键词
预测模型训练方法
样本
机器学习算法
影像
决策
组学特征
滤波方式
医疗信息技术
标识
SVM算法
KNN算法
数据获取单元
电子设备
回归算法
训练集
图像
预测装置
患者
系统为您推荐了相关专利信息
风格
布局
生成方法
生成对抗网络模型
生成器网络
参数优化系统
智能生产线
瑕疵
历史运行数据
隐形眼镜
性能退化数据
智能调度方法
资源分配策略
分布式智能
高性能
在线状态监测
故障诊断系统
机器设备
动态知识图谱
特征提取器