摘要
本发明提供一种基于多模态数据融合的CST损伤级别检测方法和系统,涉及医疗系统控制技术领域,本发明获取训练样本集,训练样本集包括多个训练样本,根据每个训练样本对应的特征矩阵和CST损伤级别对神经网络模型进行迭代训练,得到训练完成的神经网络模型;根据待检测个体的经颅磁刺激数据、头部影像数据和生理数据通过训练完成的神经网络模型确定待检测个体的CST损伤级别。本发明提供的方法能够对CST损伤级别的快速准确检测,进而能够根据损伤级别确定对应的康复方案和手术方案,实现CST损伤的精准分级与康复和手术策略的动态匹配,并且能够提升检测结果的准确性。
技术关键词
运动诱发电位
神经网络模型
多模态数据融合
弥散张量成像数据
纤维束
磁共振成像数据
水肿
训练样本集
策略数据库
评分特征
影像
年龄
矩阵
生理
手术
三维模型
模型训练模块
加速算法
系统为您推荐了相关专利信息
智能化信息管理系统
手术场景
时间序列预测模型
手术器械
高精度三维重建
混合神经网络模型
边缘检测
边缘轮廓
反馈控制模块
空洞
人物轮廓
推荐方法
实时图像
拍照界面
神经网络模型
直流故障电弧检测
蒙特卡洛
方差贡献率
皮尔逊相关系数
频域特征
神经网络加速方法
邻居
列表
神经网络模型
神经网络训练