一种基于双区域影像组学及深度学习模型鉴别非小细胞肺癌隆突下淋巴结转移和预后预测方法、装置、存储介质及电子设备

AITNT
正文
推荐专利
一种基于双区域影像组学及深度学习模型鉴别非小细胞肺癌隆突下淋巴结转移和预后预测方法、装置、存储介质及电子设备
申请号:CN202510726067
申请日期:2025-06-03
公开号:CN120260928A
公开日期:2025-07-04
类型:发明专利
摘要
本发明的实施例提供了一种基于双区域影像组学及深度学习模型鉴别非小细胞肺癌隆突下淋巴结转移和预后预测方法、装置、存储介质及电子设备,涉及肺癌诊断技术领域,所述方法基于患者的脱敏临床数据和CT图像,利用双区域CT影像组学构建人工智能模型,相较于基于医师经验判断非小细胞肺癌患者淋巴结转移的传统方案,有高度可靠的预测结果。
技术关键词
深度学习特征 深度学习模型 肿瘤 特征提取技术 预后预测方法 感兴趣区域提取 深度神经网络 影像组学特征融合 规范化方法 人工智能模型 图像 非小细胞肺癌患者 肺癌诊断技术 高通量 变换特征 计算机
系统为您推荐了相关专利信息
1
一种基于物理信息的脑肿瘤图像分割方法
解码器 融合特征 脑肿瘤分割 编码器 残差网络
2
一种电厂监控系统的自动化运维方法及系统
电厂监控系统 自动化运维方法 日志采集规则 异常信息 对象生成优化
3
基于改进的resNet34的智能生命体征监测系统
生理体征数据 智能生命体征监测 深度学习模型 心电传感器 异常事件
4
泊车控制方法、装置、车辆、存储介质及程序产品
障碍物 泊车控制方法 计算机执行指令 车轮 自动泊车功能
5
高亮度光源温度实时监控方法、装置及设备
深度学习模型 工作状态数据 长短期记忆网络 光源 卷积神经网络模型
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号