[发明专利]一种基于核磁共振结构影像加权的决策支持方法及系统

权利要求书

1.一种基于核磁共振结构影像加权的决策支持方法，其特征在于，包括：

步骤1、使用已标注核磁共振结构影像作为训练数据，对卷积神经网络模型进行预训练，得到决策支持模型；

步骤2、根据待分析对象的临床资料通过数据库查询，得到该待分析对象患病的前置概率；

步骤3、采用深度学习和统计回归的方法，提取该待分析对象核磁共振结构影像的量化特征，将该量化特征作为权重引入该决策支持模型，将该前置概率输入至该决策支持模型，得到该待分析对象的疾病决策支持结果。

2.如权利要求1所述的基于核磁共振结构影像加权的决策支持方法，其特征在于，该步骤1包括：利用医学影像专家的精细标注的阿尔茨海默病核磁共振结构影像数据，对该卷积神经网络模型进行精细调整。

3.如权利要求1所述的基于核磁共振结构影像加权的决策支持方法，其特征在于，该量化特征为与阿尔茨海默病相关的脑区的萎缩体积与阿尔茨海默病相关的脑区的比值。

4.如权利要求1所述的基于核磁共振结构影像加权的决策支持方法，其特征在于，该临床资料包括：个人健康信息和/或实验室检测和/或电子病历。

5.一种基于核磁共振结构影像加权的决策支持系统，其特征在于，包括：

模块1、使用已标注核磁共振结构影像作为训练数据，对卷积神经网络模型进行预训练，得到决策支持模型；

模块2、根据待分析对象的临床资料通过数据库查询，得到该待分析对象患病的前置概率；

模块3、采用深度学习和统计回归的系统，提取该待分析对象核磁共振结构影像的量化特征，将该量化特征作为权重引入该决策支持模型，将该前置概率输入至该决策支持模型，得到该待分析对象的疾病决策支持结果。

6.如权利要求1所述的基于核磁共振结构影像加权的决策支持系统，其特征在于，该模块1包括：利用医学影像专家的精细标注的阿尔茨海默病核磁共振结构影像数据，对该卷积神经网络模型进行精细调整。

7.如权利要求1所述的基于核磁共振结构影像加权的决策支持系统，其特征在于，该量化特征为与阿尔茨海默病相关的脑区的萎缩体积与阿尔茨海默病相关的脑区的比值。

8.如权利要求1所述的基于核磁共振结构影像加权的决策支持系统，其特征在于，该临床资料包括：个人健康信息和/或实验室检测和/或电子病历。