本发明属于计算机医学图像处理技术领域。具体为一种的基于深度学习的低级别脑胶质瘤柠檬酸脱氢酶无损预测方法和系统。本发明具有6个卷积层和4096个神经元的完全连接层的卷积神经网络来识别磁共振图像中的肿瘤区域;通过费舍尔向量编码从最后的卷积层中提取深层反应;卷积神经网络为每个病例生成16384个高通量图像特征;基于配对的t检验和F分数和p值筛选方法识别与IDH1高度相关联的卷积神经网络特征;采用支持向量机作为分类器。在IDH1预测中,在相同的数据集的条件下,常规影像组学方法的工作特征曲线下面积为86%,而本发明的AUC为92%;使用基于多模态磁共振图像时,IDH1预测的AUC提高到95%。本发明可以成为从医学图像中提取深层信息更有效的方法。
声明:
“基于深度学习的低级别脑胶质瘤柠檬酸脱氢酶无损预测方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)