买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：遵义医科大学珠海校区

摘要：本发明涉及医疗影像分析技术领域，具体涉及了一种基于正则化神经网络和动态加权的脑卒复发预测方法。包括以下步骤：S100：采集若干名脑卒中患者复发的患者数据，所述患者数据包括MRI数据和常规检测数据，形成数据集，并追踪数据集中患者在预设周期内的脑卒中复发情况；S200：建立MPSR模型，通过MRI数据训练MPSR模型；所述S200包括以下步骤：S210：使用ResNet152卷积神经网络提取单张MRI影像的特征，将每个组学的多个连续的MRI输入转换为与transformer兼容的数据格式；S220：引入Lnet‑transformer编码器层，去除数据噪声；S230：利用LSTM神经网络整合每个核磁共振成像组学的时序特征。S240：基于评估器为每个组学进行动态加权并使用多组学预测模块预测患者的在预设周期的脑卒中复发情况。

主权项：1.一种基于正则化神经网络和动态加权的脑卒复发预测方法，其特征在于：包括以下步骤：S100：采集若干名脑卒中患者复发的患者数据，所述患者数据包括MRI数据和常规检测数据，形成数据集，并追踪数据集中患者在预设周期内的脑卒中复发情况；S200：建立IntegratedMulti-omicsPredictionModelforStrokeRecurrenceMPSR模型，通过周期内脑卒中复发的患者的MRI扫描的信号序列训练MPSR模型，所述信号序列包括T1、T2、FLAIR，每个信号序列会独立的包含多张连续的MRI影像，每个序列被视为一个独立的组学，所述MRSR模型包括体征提取模块和集成的多组学预测模块；所述S200包括以下步骤：S210：使用ResNet152卷积神经网络提取单张MRI影像数据的特征，将多个连续的MRI数据转换为与transformer编码器兼容的数据格式；S220：引入Lnet-transformer编码器层，提取每个MRI图像组学中的重要特征并去除数据噪声；S230：利用LSTM神经网络整合核磁共振成像组学数据的时序特征并为每个组学输出一个特征向量；S240：基于评估器为每个组学进行动态加权，降低组学数据集中的数据噪声，使用多组学预测模块进行集成预测。

全文数据：

权利要求：

百度查询： 遵义医科大学珠海校区 一种基于正则化神经网络和动态加权的脑卒复发预测方法