一种用于预测新冠肺炎预后的CT影像图像处理方法

摘要

本发明公开了一种用于预测新冠肺炎预后的基于深度学习‑影像组学融合特征的CT影像图像处理方法，包括以下步骤：S1、基于K‑means的自动肺分割算法；S2、肺部影像组学特征提取；S3、深度学习特征提取；S4、深度学习和影像组学差异性特征学习；S5、基于融合特征的不良预后预测模型图像处理。本发明方法保留了影像组学特征的可解释性以及深度学习特征的数据自适应性这两种方法的优势。同时，本发明提出了差异性特征学习方式，使深度学习特征与影像组学特征互补，减少两种特征的冗余性，可进一步提升预后预测的精度。