-
公开(公告)号：CN117745717A
公开(公告)日：2024-03-22
申请号：CN202410177554.2
申请日：2024-02-08
Applicant: 江南大学附属医院
Abstract: 本发明公开了一种剂量学与深度学习特征预测放射性肺炎的方法及系统，属于疾病预测技术领域。所述方法通过经医学图像预训练的深度学习网络进行不同肺组织区域的特征提取，使用MLP算法，在内部验证结果中，优选出正常肺组织的感兴趣区域，然后结合与RP相关的剂量学特征，建立了联合剂量学特征与深度学习特征进行RP的预测模型。在外部验证集中，剂量学模型的AUC为0.583，基于深度学习特征的模型AUC为0.690，而联合两者特征后的模型AUC为0.746，经delong检验p
-
公开(公告)号：CN117745717B
公开(公告)日：2024-04-26
申请号：CN202410177554.2
申请日：2024-02-08
Applicant: 江南大学附属医院
Abstract: 本发明公开了一种剂量学与深度学习特征预测放射性肺炎的方法及系统，属于疾病预测技术领域。所述方法通过经医学图像预训练的深度学习网络进行不同肺组织区域的特征提取，使用MLP算法，在内部验证结果中，优选出正常肺组织的感兴趣区域，然后结合与RP相关的剂量学特征，建立了联合剂量学特征与深度学习特征进行RP的预测模型。在外部验证集中，剂量学模型的AUC为0.583，基于深度学习特征的模型AUC为0.690，而联合两者特征后的模型AUC为0.746，经delong检验p
-
Search Results
2
records
(took 0.023 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
