一种基于CNN-XGBoost的胶质母细胞瘤预后预测方法
实质审查的生效
摘要
本发明公开了一种基于CNN‑XGBoost的胶质母细胞瘤预后预测方法，包括以下步骤：S1脑部MR影像基础预处理；S2基于混合双高斯模型的肿瘤特征图提取；S3数据增强；S4深度学习特征提取；S5基于传统机器学XGBoost特征分类器进行预后模型的建立。本发明基于双高斯模型对患者术前MR影像的强度直方图进行拟合提取肿瘤特征图，降低了后续网络模型特征提取的难度。同时，本发明设计了一种深度卷积特征提取网络该网络，包括上、下游两条支路。上游支路为简易特征提取模块，其主要聚焦于提取分割标签图像的简单特征。下游支路为肿瘤特征图的深度特征提取网络，其主要聚焦于由预处理后得到的肿瘤特征图。此外，再结合XGBoost对由深度神经卷积网络所提取到的特征进行分类拟合可有效缓解过拟合现象，提升预后预测的精度等性能。
基本信息
专利标题 ：
一种基于CNN-XGBoost的胶质母细胞瘤预后预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114283938A
申请号 ：
CN202111409937.0
公开（公告）日 ：
2022-04-05
申请日 ：
2021-11-25
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
郭畅宇何敏邱圆
申请人 ：
湖南大学
申请人地址 ：
湖南省长沙市岳麓区麓山南路1号湖南大学
代理机构 ：
代理人 ：
优先权 ：
CN202111409937.0
主分类号 ：
G16H50/30
IPC分类号 ：
G16H50/30 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G16
特别适用于特定应用领域的信息通信技术
G16H
医疗保健信息学，即专门用于处置或处理医疗或健康数据的信息和通信技术
G16H50/00
专门适用于医疗诊断，医学模拟或医疗数据挖掘的ICT；专门适用于检测、监测或建模流行病或传染病
G16H50/30
用于计算健康指数; 个人健康风险评估
法律状态
2022-04-22 ：
实质审查的生效
IPC(主分类) : G16H 50/30
申请日 : 20211125
申请日 : 20211125
2022-04-05 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
