一种基于卷积神经网络多分类头级联的多期转归预测方法
申请号:CN202510986439
申请日期:2025-07-17
公开号:CN120931992A
公开日期:2025-11-11
类型:发明专利
摘要
本发明涉及人工智能和医学图像处理技术领域,具体涉及一种基于卷积神经网络多分类头级联的多期转归预测方法,包括以下步骤:设置用于预测出短期转归概率的第一个分类头;设置用于预测出中期转归概率的第二个分类头;设置用于预测出长期转归概率的第三个分类头。本发明设计三个对应短期、中期和长期预测任务的分类头,并以级联方式融合前一时期的分类中间特征作为后一时期的辅助输入,实现时序信息的引导,使得构建出的卷积神经网络通过单一急性期CT图像,可输出三个时间点的高精度转归概率。
技术关键词
胸部CT影像
分类特征
融合特征
医学图像处理技术
训练卷积神经网络
线性
表达式
级联方式
优化器
样本
编码器
患者
时序
因子
疾病
动态
强度