一种基于多模态影像和深度学习的意识障碍疾病分类方法技术

本发明专利技术涉及一种基于多模态影像和深度学习的意识障碍疾病分类方法。它解决了现有技术中单模态医学影像分析精度低，影响医学诊断的问题。它包括S1、对原始数据进行数据清洗和数据预处理工作；S2、构建网络模型以处理分析数据；S3、选择三种不同的融合方式，获取三分类结果；S4、使用可视化方法解释深度学习模型的决策过程。本发明专利技术的优点在于：解决现有技术中因依赖主观行为观察导致的误诊率高以及模型可解释性不足的问题；克服了仅使用单一模态对意识障碍水平予以分析时存在的局限性，提升了深度学习模型对患者的意识障碍水平进行精确分类的能力，为精确诊断意识障碍疾病提供了强有力的工具，有助于增强意识障碍疾病的临床管理与服务水平。

【技术实现步骤摘要】

本专利技术涉及医学影像处理，具体涉及一种基于多模态影像和深度学习的意识障碍疾病分类方法。

技术介绍

1、意识障碍疾病(disorders of consciousness，doc)是一类严重影响患者意识状态的神经系统疾病，通常由创伤性脑损伤、缺血性脑卒中或脑缺氧等原因导致，其中患者的意识状态水平可分为无反应觉醒综合征(unresponsive wakefulness syndrome，uws)和最小意识状态(minimally conscious state，mcs)。uws患者没有明显的自我意识，无法感知或理解外部环境。mcs患者保有一定程度的意识，在某些情况下能够对外界刺激作出简单的反应，但整体意识水平仍处于较低状态。在意识障碍疾病领域，精确识别患者的意识水平是该领域研究中的关键问题，因为这会影响到患者的预后判断、治疗方案制定以及伦理决策(如生命终结决策)等方面。目前临床上主要使用行为评估量表的方法对患者的意识障碍水平作出诊断，但这种方法难以发现患者的潜在意识，错误率高达40％，因此如何提高对doc患者意识状态的精准识别已成为临床和研究领域亟待解决的问本文档来自技高网...

【技术保护点】

1.一种基于多模态影像和深度学习的意识障碍疾病分类方法，其特征在于，本方法包括以下步骤：

2.根据权利要求1所述的基于多模态影像和深度学习的意识障碍疾病分类方法，其特征在于，步骤S1包括以下步骤：

3.根据权利要求2所述的基于多模态影像和深度学习的意识障碍疾病分类方法，其特征在于，步骤S2包括以下步骤：

4.根据权利要求3所述的基于多模态影像和深度学习的意识障碍疾病分类方法，其特征在于，步骤S3包括以下步骤：

5.根据权利要求4所述的基于多模态影像和深度学习的意识障碍疾病分类方法，其特征在于，步骤S31具体包括以下步骤：、

6....

【技术特征摘要】

1.一种基于多模态影像和深度学习的意识障碍疾病分类方法，其特征在于，本方法包括以下步骤：

2.根据权利要求1所述的基于多模态影像和深度学习的意识障碍疾病分类方法，其特征在于，步骤s1包括以下步骤：

3.根据权利要求2所述的基于多模态影像和深度学习的意识障碍疾病分类方法，其特征在于，步骤s2包括以下步骤：

4.根据权利要求3所述的基于多模态影像和深度学习的意识障碍疾病分类方法，其特征在于，步骤s3包括以下步骤：

5.根据权利要求4所述的基于多模态影像和深度学习的意识障碍疾病分类方法，其特征在于，步骤s31具体包括以下步骤：、

6.根据权利要求4所述的基于多模态影像和深度学习的意识障碍疾病分类方法，其特征在于，步...

【专利技术属性】
技术研发人员：侯沛远，杨欢，邹权，李永明，
申请(专利权)人：电子科技大学长三角研究院衢州，
类型：发明
国别省市：