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：南昌大学第二附属医院

摘要：本发明提供了一种脑卒中预测复发方法及系统，涉及医疗预测领域，具体技术方案为：获取脑卒中多源异构数据，包括：诊疗数据、MRI影像数据、N年内随访数据；提出谱聚类联合XGBoost方法填补患者结构化空缺数据；以UNet为基础架构引入多尺度残差注意力机制，建立脑卒中病灶分割模型，实现脑卒中梗死病灶的自动识别；利用高斯变换方法实现对图像的高维度转换，提取多变种高维度影像组学特征；提出改良的特征筛选方法，实现高维度特征的深度挖掘。以深度森林算法为基础引入XGBoost，与随机森林和极端随机森林共同组成深度森林的级联结构，建立预测复发模型，评估脑卒中患者出院后N年内的复发风险。

主权项：1.一种脑卒中预测复发方法，其特征在于，包括以下步骤：采集N年内复发与未复发患者的诊疗数据和MRI影像数据，将所述诊疗数据划分为缺失集和完整集，谱聚类分析完整集进行分类，比较缺失集和各类的数据相似度并归类，基于XGBoost算法依次填补缺失集的空缺值；将MRI影像数据随机划分为训练集和验证集，以深度学习算法UNet为基础架构，引入多尺度残差注意力机制，构建基于多尺度残差注意力机制和UNet算法的初始分割模型，基于所述训练集和验证集训练和验证所述初始分割模型并优化后得到脑卒中病灶分割模型，基于脑卒中病灶分割模型分割所述MRI影像数据；特征提取所述分割后的MRI影像数据得到影像组学特征，融合影像组学特征和填补后的诊疗数据得到融合特征集，基于LASSO回归和Logistic回归对所述融合特征集进行初筛，分别得到两个特征矩阵并融合为特征集合A，基于重要性分析模型对所述特征集合A内的每个融合特征进行重要性分析，并获得每个融合特征的重要性评分，所述重要性分析模型设置有多个，多个所述重要性分析模型分别对特征集合A内的每个融合特征进行重要性分析后，获得每个融合特征的子评分，对每个融合特征的子评分进行加权平均后获得重要性评分，基于重要性评分获取重要性评分大于或等于预设评分的融合特征并组成重要特征集，所述重要特征集为所述特征集合A的子集；基于级联森林构建预测复发模型，所述模型包括若干级别，每级包含四个算法，级联每个级别；每个算法均独立生成一个类向量，两两取均值后获得两个二维向量融合后输入到下一级并与原始特征向量相融合；其中，所述四个算法为随机森林、极端森林和两个XGBoost算法；基于所述重要特征集随机划分为训练集和验证集，基于所述训练集和验证集训练和验证所述预测复发模型，并优化所述预测复发模型的超参数，计算所述预测复发模型的预测准确率和AUC值，得到预测准确率最高、AUC值最大的预测复发模型；获取待预测患者的诊疗数据和MRI影像数据并特征融合后获得待测特征，基于所述待测特征和所述训练后的预测模型获得复发概率。

全文数据：

权利要求：

百度查询： 南昌大学第二附属医院 一种脑卒中预测复发方法及系统