【技术实现步骤摘要】
本专利技术涉及一种医疗信息，是一种基于栖息地成像与影像组学的慢性骨髓炎预测模型训练方法、预测方法、装置、电子设备及存储介质。
技术介绍
1、慢性骨髓炎的治疗除了靶向抗菌外，彻底清除所有坏死和感染的骨组织是治疗成功的关键。实际手术中，外科医生常面临着一个严峻的两难选择：过少的切除可能导致感染复发，而过度的切除则可能导致骨结构的不可逆破坏及功能丧失，而且由于手术中涉及多平面的截骨和操作区域暴露过小，使得精确的病灶定位愈发复杂，易导致不完全切除或是过多的骨段切除。因此，准确地判断感染程度与死骨健康骨边界识别成为医学领域亟需解决的国际性挑战，也是一直以来骨感染领域研究的热点问题。
2、目前，在定位清创边界中已经引入机器学习进行辅助决策，例如引入多层次roi扩展进行建模，得到慢性骨髓炎预测模型组，由此应用慢性骨髓炎预测模型组对待预测患者的原始roi特征、第一外扩roi特征和第二外扩roi特征进行预测，得到对应的原始roi预测结果、第一外扩roi预测结果和第二外扩roi预测结果，再结合慢性骨髓炎预测结果确定条件得到对应的慢性骨髓炎清创辅...
【技术保护点】
1.一种基于栖息地成像与影像组学的慢性骨髓炎预测模型训练方法，其特征在于，包括：
2.根据权利要求1所述的基于栖息地成像与影像组学的慢性骨髓炎预测模型训练方法，其特征在于，所述获取第一样本集、第二样本集、第三样本集、第四样本集、第五样本集和第六样本集，包括：
3.根据权利要求2所述的基于栖息地成像与影像组学的慢性骨髓炎预测模型训练方法，其特征在于，所述提取第一外扩ROI数据集中各个第一外扩ROI数据的栖息特征、影像组学特征，形成第一样本集和第二样本集，并在其中抽取多个特征，形成第三样本集，包括：
4.根据权利要求3所述的基于栖息地成...
【技术特征摘要】
1.一种基于栖息地成像与影像组学的慢性骨髓炎预测模型训练方法，其特征在于，包括：
2.根据权利要求1所述的基于栖息地成像与影像组学的慢性骨髓炎预测模型训练方法，其特征在于，所述获取第一样本集、第二样本集、第三样本集、第四样本集、第五样本集和第六样本集，包括：
3.根据权利要求2所述的基于栖息地成像与影像组学的慢性骨髓炎预测模型训练方法，其特征在于，所述提取第一外扩roi数据集中各个第一外扩roi数据的栖息特征、影像组学特征，形成第一样本集和第二样本集，并在其中抽取多个特征，形成第三样本集，包括：
4.根据权利要求3所述的基于栖息地成像与影像组学的慢性骨髓炎预测模型训练方法，其特征在于，所述从第一外扩roi数据内的每个体素中提取局部特征是依次通过熵、平均绝对偏差、联合能量、联合熵实现；或/和，所述对提取到的特征进行筛选依次通过t检验、相关性分析和lasso回归算法实现。
5.根据权利要求1...
【专利技术属性】
技术研发人员：马创，贾麒钰，郑皓，林婕，阿卜杜萨拉木·阿力木江，蒋世洁，王茜，徐子逸，
申请(专利权)人：新疆医科大学第一附属医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。