一种基于深度学习体成分特征的卵巢癌生存预测方法

本发明公开一种基于深度学习体成分特征的卵巢癌生存预测方法，包括S1，收集平扫CT图像，在第三腰椎层面CT图像上分别分割体成分的感兴趣区，提取深度学习特征；S2、构建体成分模型、体成分预后评分模型，输出患者的预后概率，并评估体成分预后评分模型的预测性能；S3、构建临床模型和体成分生存模型，并建立联合模型；S4、评估所述临床模型、体成分生存模型及联合模型的预测性能。本发明利用深度学习自动分割第三腰椎层面四种体成分，包括肌肉组织、内脏脂肪组织、肌间脂肪组织和皮下脂肪组织，并直接从图像中提取深层特征用于预后评估，避免了传统人工勾画的低效率，也解决了因量化指标及分组标准不统一的问题。