摘要
本发明属于疾病预后预测技术领域,针对现有的耐多药结核病患者的预后监测方法具有一定局限性的问题,本发明提出了一种耐多药结核病预后预测方法,通过整合了手工制作的放射学特征和从基线、两个月和六个月的连续CT扫描中提取的深度学习衍生成像特征,并采用门控复发单元(GRU)网络对数据进行处理,以及结合耐多药结核病预后预测系统,对耐多药结核病患者的治疗结果进行了预测。本发明提供的预测方法能够在治疗过程的早期准确识别高危患者,为个性化治疗决策、优化干预时机和合理分配公共卫生资源提供强有力的支持。而且具有更高的敏感性和特异性,提高了耐多药结核病治疗结果预测和风险分层准确性方面的潜力。
技术关键词
耐多药结核病
CT扫描图像
预后预测方法
组学特征
预后预测模型
成像特征
放射性特征
预后预测系统
训练集
手工
特征提取模块
深度学习特征提取
预后监测方法
预后预测技术
深度学习模型
耐药性结核病
可读存储介质
患者
系统为您推荐了相关专利信息
组学特征
心血管疾病诊断
影像
心脏磁共振
二阶特征
复发预测模型
复发预测方法
对象
CatBoost算法
数据
影像组学分析方法
医学影像数据
服务器
服务端
云存储