一种早期卵巢功能不全预测评估方法及装置制造方法及图纸

本发明专利技术公开了一种早期卵巢功能不全预测评估方法及装置，其中方法包括：获取患者的临床、影像参数；将患者的卵巢影像数据输入至卵巢矩阵提取网络模型，得到形态纹理特征，卵巢矩阵提取网络模型包括MRI序列输入层、slices划片层、矩阵特征融合层以及多个卷积层与融合层组成的反馈网络；形态纹理特征包括灰度共生矩阵、灰度游程矩阵、灰度相依矩阵以及邻域灰度差分矩阵；将临床参数数据与形态纹理特征输入早期卵巢功能不全预测模型，输出早期卵巢功能不全的预测结果；早期卵巢功能不全预测模型包括多个内部残差网络、EMP模型、LMP模型以及VGG‑16网络。本发明专利技术通过卵巢矩阵提取网络模型和早期卵巢功能不全预测模型，进一步提高了早期卵巢功能不全的预测精度。

【技术实现步骤摘要】

本专利技术涉及医疗辅助诊断，具体涉及一种早期卵巢功能不全预测评估方法及装置、计算设备。

技术介绍

1、在早期卵巢功能不全的诊断和预测中，传统方法主要依赖于患者的临床病史、症状观察以及激素水平检测。虽然一定程度上能够提供诊断依据，但存在以下主要缺陷：

2、主观性强：基于临床症状和病史的诊断往往依赖于医生的经验和主观判断，不同医生之间存在较大的诊断差异。

3、敏感性低：早期卵巢功能不全的症状往往不明显，且激素水平的变化不够显著，导致传统检测方法在疾病早期难以准确识别。

4、缺乏综合性评估：传统方法往往只关注单一维度的信息(如激素水平)，而忽略其他影响卵巢功能的因素(如年龄、体质、生活习惯等)。

5、此外，虽然影像学技术在医学诊断中广泛应用，但在早期卵巢功能不全的预测中，传统影像学方法(如b超)通常只能提供卵巢的形态学信息，难以深入解析卵巢的微观结构和功能状态。因此，难以在疾病早期实现高准确率的诊断。

6、因此，为解决上述问题，本专利技术在医学影像处理中应用深度学习技术进行综合分析，提取卵巢影像数据中包本文档来自技高网...

【技术保护点】

1.一种早期卵巢功能不全预测评估方法，其特征在于，包括：

2.根据权利要求1所述的早期卵巢功能不全预测评估方法，其特征在于，所述MRI序列输入层，用于接收MRI的T2加权成像与表观扩散系数序列图像，并将所述系数序列图像按照通道维度进行堆叠形成多通道的三维MRI输入数据；

3.根据权利要求1所述的早期卵巢功能不全预测评估方法，其特征在于，所述矩阵特征融合层，用于通过具有多个卷积核的卷积层模拟灰度共生矩阵中的方向和距离参数，通过激活函数和池化操作使输出特征图捕捉所述灰度共生矩阵中的灰度依赖关系；

4.根据权利要求1所述的早期卵巢功能不全预测评估方法，其特征...

【技术特征摘要】

1.一种早期卵巢功能不全预测评估方法，其特征在于，包括：

2.根据权利要求1所述的早期卵巢功能不全预测评估方法，其特征在于，所述mri序列输入层，用于接收mri的t2加权成像与表观扩散系数序列图像，并将所述系数序列图像按照通道维度进行堆叠形成多通道的三维mri输入数据；

3.根据权利要求1所述的早期卵巢功能不全预测评估方法，其特征在于，所述矩阵特征融合层，用于通过具有多个卷积核的卷积层模拟灰度共生矩阵中的方向和距离参数，通过激活函数和池化操作使输出特征图捕捉所述灰度共生矩阵中的灰度依赖关系；

4.根据权利要求1所述的早期卵巢功能不全预测评估方法，其特征在于，所述内部残差网络包括resnet-v2网络、多个卷积层、resnet-50网络或resnet-101网络、bn网络层以及跨层残差连接，其中，所述resnet-v2网络作为预激活残差网络放置在所述多个卷积层之前；

5.根据权利要求1所述的早期卵巢功能不全...

【专利技术属性】
技术研发人员：栗妍，汪雯雯，王恬，习玥玥，张敏莉，袁素珍，王世宣，
申请(专利权)人：华中科技大学同济医学院附属同济医院，
类型：发明
国别省市：