一种基于深度学习的脑胶质瘤复发预测方法

本发明公开一种基于深度学习的脑胶质瘤复发预测方法，包括收集脑胶质瘤患者的术前、术后MRI图像3D数据、复发结果、肿瘤和水肿区域的注释标签，对图像进行预处理，采用重采样技术统一体素分辨率，通过裁剪聚焦病灶区域，并进行灰度归一化以消除设备差异，构建ConvHAE预训练网络和微调网络，通过卷积自编码器提取医学影像的有效特征，在标注数据集上对网络进行训练，预测脑胶质瘤的复发风险，将数据输入训练模型；本发明通过对3D数据进行预处理，模型架构包括用于提取多尺度特征信息的预训练网络以及用来预测复发结果的微调网络。微调网络与预训练网络的编码器基本相同，在此基础上进行微调，使其最大限度的适用于少样本数据集。