摘要
本发明为一种前列腺MRI图形分析方法,包括以下步骤:S1:建立前列腺恶性肿瘤临床诊断医案数据库;S2:建立前列腺MRI图像全自动分割模型并训练;S3:对输入的前列腺MRI图像进行分割;S4:提取分割后前列腺MRI图像的形状特征、一阶统计特征、纹理特征、小波特征及深度特征并筛选;S5:将筛选出的影像组学特征输入到前列腺恶性肿瘤分析模型获取分析结果。本发明的优点是:通过E2C‑Transformer网络,可以平滑处理前列腺肿瘤MRI图像,增强和保留前列腺的特征区域,并最大限度地减少图像噪声,保证了前列腺MRI图像的精确和高质量分割;采用结合LASSO特点的特征稀疏性和相关熵的信息筛选优势的集成算法,增强了分析模型的准确性,而且确保了模型决策的透明度和可解释性。
技术关键词
图形分析方法
小波特征
统计特征
组学特征
图像
纹理特征
集成算法
肿瘤
灰度共生矩阵
卷积滤波器
灰度矩阵
卷积特征
患者
影像
网络结构
序列
体积比
透明度
系统为您推荐了相关专利信息
压实度
碾压混凝土
机器学习模型
探地雷达
核子密度仪
压板控制装置
配电自动化主站
加密解密模块
硬压板
控制模块
六轴机器人
末端执行器
防尘箱体
安装支架
双连杆
安全隐患评估
物理特征参数
风险预测模型
表面图像数据
机器学习框架
阴影检测模型
查询机制
注意力机制
对齐模块
深度学习模型