一种基于深度学习的颈动脉狭窄程度分类方法技术

本发明专利技术涉及一种基于深度学习的颈动脉狭窄程度分类方法，旨在解决传统颈动脉狭窄检测方法的局限性。传统方法受到人工干预、费用负担和繁琐过程的限制，影响了颈动脉狭窄的早期发现和治疗效果。深度学习算法通过其出色的特征学习和适应性，在临床应用中展现了优越性。本发明专利技术结合临床需求，提出了基于Conv‑BiLSTM‑CRF和2DConv‑LSTM的方法，通过电子病例、化验和物理检查数据进行颈动脉狭窄分类。该方法通过抽象特征，不再依赖传统方法中的人工干预，提高了分类准确性和效率。通过多维评价比较，证明了该方法的优越性，为颈动脉狭窄检测提供了更可靠的技术支持。最终，本发明专利技术在技术推动和临床实践中均具有积极意义，为提高患者健康水平作出贡献。

【技术实现步骤摘要】

本专利技术涉及一种基于深度学习的颈动脉狭窄程度分类方法，属于临床医学和计算机领域结合的一种医学人工智能应用技术。

技术介绍

0、技术背景

1、颈动脉狭窄的精准检测对于预防中风、心脏病等重大健康问题至关重要。该病症可能导致血液供应不足，进而增加中风和心脏病的风险。然而，传统的颈动脉狭窄检测方法存在显著局限，仅通过ct扫描来观测狭窄程度。这一过程不仅受到人工检测主观因素的干扰，需要经验丰富的医生，同时还带来额外的费用负担，因为进行ct扫描是一项昂贵的医疗检查。此外，整个检测过程也因为繁琐和耗时而限制了颈动脉狭窄检测在大规模应用和早期干预方面的效果。这些问题的存在迫使需要寻求更有效、经济且便捷的检测方法，以提高颈动脉狭窄的早期发现和治疗效果。

2、深度学习算法以其出色的特征学习能力和对大规模数据集的高度适应性而脱颖而出，成为各领域的理想选择。通过深度学习技术，能够克服传统方法的多重限制，显著提升数据处理的准确性和效率，为解决复杂问题提供了创新性的解决方案。深度学习算法的独特之处在于其能够自动学习和提取数据中的抽象特征，避免了对领域专业知识本文档来自技高网...

【技术保护点】

1.一种基于深度学习的颈动脉狭窄程度分类方法，所述方法包括如下步骤：

【技术特征摘要】

1.一种基于深度学习的颈动脉狭窄程...

【专利技术属性】
技术研发人员：李枫，胡江波，姜铭烽，聂维，毕中澳，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：