基于深度学习的脑出血血肿扩大预测系统及其方法技术方案

本发明专利技术提供一种基于深度学习的脑出血血肿扩大预测系统及其方法，系统包括：数据获取模块，用于获取患者的基线CT图像和临床数据；图像预处理模块，用于对CT图像进行标准化处理；特征提取模块，采用深度卷积神经网络从CT图像中提取影像特征；特征融合模块，用于融合影像特征与临床特征、放射学特征；预测模块，基于融合后的特征预测血肿扩大的风险。系统通过提取病变最大层面最大化捕捉3D空间信息，在预测血肿扩大方面显示出强大的可靠性能、高解释性和临床可用性，显著优于临床医生的预测，预测概率与实际概率在多个数据集上都达到了合理的一致性，可作为临床决策支持系统使用，有潜力改善患者预后。

【技术实现步骤摘要】

本专利技术涉及人工智能与生物医学融合的，具体是关于一种基于深度学习的脑出血血肿扩大预测系统及其方法。

技术介绍

1、脑出血是一种严重的中风类型，其特征是脑组织内出血。血肿扩大(hematomaexpansion, he)是针对急性脑出血病例的一个重要治疗目标和替代终点。目前，临床上识别血肿扩大的方法主要依赖医生的经验判断和基于临床评分系统的评估，这些方法存在主观性强、准确性有限的问题。虽然已有一些研究尝试使用2d深度学习技术预测血肿扩大的风险，但这些模型存在几个限制：未考虑修订后的血肿扩大定义(rhe)；缺乏多中心验证；模型可解释性不足。识别最有可能发生血肿扩大的患者对于提高未来试验中治疗效果评估至关重要。因此，全球研究人员大量研究工作致力于研究血肿扩大的预测因素。除了年龄、格拉斯哥昏迷量表(glasgow coma scale, gcs)、发病到ct扫描的时间、蛛网膜下腔出血、血肿体积和位置外，平扫ct上的脑出血征象也已被确定为血肿扩大的预测因素。研究人员基于这些因素开发了多种预测评分，但目前尚无明确共识哪项工具具有最佳的预测能力。此外，这些评分是否能够本文档来自技高网...

【技术保护点】

1.一种基于深度学习的脑出血血肿扩大预测系统，其特征在于，包括：

2.根据权利要求1所述的系统，其特征在于：

3.根据权利要求1所述的系统，其特征在于：

4.根据权利要求1所述的系统，其特征在于：

5.根据权利要求1所述的系统，其特征在于：

6.根据权利要求1所述的系统，其特征在于：

7.根据权利要求1所述的系统，其特征在于：

8.根据权利要求1所述的系统，其特征在于，还包括可视化解释模块，采用梯度加权类激活映射技术生成注意力热图，显示模型做出预测时关注的图像区域。

9.根据权利要求1-8任一...

【技术特征摘要】

1.一种基于深度学习的脑出血血肿扩大预测系统，其特征在于，包括：

2.根据权利要求1所述的系统，其特征在于：

3.根据权利要求1所述的系统，其特征在于：

4.根据权利要求1所述的系统，其特征在于：

5.根据权利要求1所述的系统，其特征在于：

6.根据权利要求1所述的系统，其特征在于：

7.根据权利要求1所述的...

【专利技术属性】
技术研发人员：赵娴靓，石磊，
申请(专利权)人：浙江省肿瘤医院，
类型：发明
国别省市：