一种基于核磁图像的子宫内膜癌分类诊断系统

本发明提供一种基于核磁图像的子宫内膜癌分类诊断系统，工作原理是利用人工智能在图像识别和视觉解释上的优势，采用深度学习理论，以临床核磁共振检查产生的图片样本作为数据基础，通过对图像数据进行切片、标注和变换，从数据中选取感兴趣区域，通过深度学习神经网络模型，实现对子宫内膜癌分期分类进行诊断；由此可见，本发明不需要对患者进行手术，可以无创对患者的子宫内膜癌分期进行诊断，具有无创、准确等优点，能够辅助医生对子宫内膜癌分类进行专业准确的诊断；同时，本发明相比于普通医师具有更高的诊断准确度，更快的诊断速度，能够辅助基层医生提供诊断意见，对子宫内膜癌的治疗、提高患者的生存率、降低公共卫生负担具有重要意义。