一种基于三维深度学习模型的脑出血分类、定位与预测方法

摘要

本发明公开了一种基于三维深度学习模型的脑出血分类、定位与预测方法，通过表面重建法对二维CT图像进行三维立体建模，得到三维CT图像；然后使用三维卷积神经网络对三维CT图像进行特征提取，并通过SVM分类器对提取的特征进行分类，从而对CT图像中是否含有出血点进行分类和判断；将分类器判断为含有出血点的三维CT图像重新进行切片，通过目标检测网络对切片后的二维CT图像的出血点位置进行精确定位；将患者的身体特征信息进行压缩编码作为三维条件式生成对抗网络的生成条件，将生成条件融入随机噪声，通过使用该对抗网络模型中的三维生成器，根据患者身体指标输出三维CT图像，从而对患者脑部血块随时间推移扩散或被人体吸收情况进行预测。