一种术前磁共振预测肝细胞癌微血管侵犯深度学习模型的构建方法及概率预测方法

本发明公开了一种术前磁共振预测肝细胞癌微血管侵犯深度学习模型的构建方法及概率预测方法，属于图像处理技术领域。收集多个肝细胞癌患者的多序列医学图像，并对多序列医学图像进行预处理；基于预处理的多序列医学图像，使用Resnet 18架构构建术前磁共振预测肝细胞癌微血管侵犯深度学习模型；将梯度加权类激活映射Grad‑CAM可视化方法应用到术前磁共振预测肝细胞癌微血管侵犯深度学习模型。本发明整合了多模态信息的融合模型的预测性能优于单序列和多序列模型；基于掩模和边界框的融合模型对MVI的预测性能间并无显著的统计学差异，使用边界框可以在保持临床应用准确性的同时减少手动操作步骤。