一种基于多模态数据融合的CST损伤级别检测方法及系统
申请号:CN202510987617
申请日期:2025-07-17
公开号:CN120895233A
公开日期:2025-11-04
类型:发明专利
摘要
本发明提供一种基于多模态数据融合的CST损伤级别检测方法和系统,涉及医疗系统控制技术领域,本发明获取训练样本集,训练样本集包括多个训练样本,根据每个训练样本对应的特征矩阵和CST损伤级别对神经网络模型进行迭代训练,得到训练完成的神经网络模型;根据待检测个体的经颅磁刺激数据、头部影像数据和生理数据通过训练完成的神经网络模型确定待检测个体的CST损伤级别。本发明提供的方法能够对CST损伤级别的快速准确检测,进而能够根据损伤级别确定对应的康复方案和手术方案,实现CST损伤的精准分级与康复和手术策略的动态匹配,并且能够提升检测结果的准确性。
技术关键词
运动诱发电位
神经网络模型
多模态数据融合
弥散张量成像数据
纤维束
磁共振成像数据
水肿
训练样本集
策略数据库
评分特征
影像
年龄
矩阵
生理
手术
三维模型
模型训练模块
加速算法