本发明涉及脑出血预后预测领域，特别是涉及一种ai脑出血预后预测系统。
背景技术：
1、已知预后相关因素包括：年龄，血肿体积，出血部位，出血后gcs或nihss评分，有无脑室出血等，图1为现有gcs评分结果。现有预测模型有func评分、ich评分等，但是现有预测指标和模型都比较片面，预后分析不够准确。
技术实现思路
1、本发明的目的是提供一种ai脑出血预后预测系统，可提高脑出血预后预测的准确率。
2、为实现上述目的，本发明提供了如下方案：
3、本发明提供一种ai脑出血预后预测系统，所述ai脑出血预后预测系统包括图像采集设备和服务器；所述服务器包括特征提取模块和预后预测模块；
4、其中，所述图像采集设备用于采集用户的脑出血原始头颅ct影像；
5、所述特征提取模块用于对所述脑出血原始头颅ct影像进行特征提取，得到多个脑出血特征；
6、所述预后预测模块用于将所有所述脑出血特征输入至训练好的预后预测模型中，得到用户的脑出血预后预测结果；所述训练好的预后预测模型是以样本用户的样本脑出血原始头颅ct影像的所有样本脑出血特征为输入，以所述样本用户的真实脑出血预后分析结果为标签训练得到的模型。
7、可选的，所述特征提取模块包括分割单元和特征提取单元；
8、所述分割单元用于对所述脑出血原始头颅ct影像进行分割处理，得到所述脑出血原始头颅ct影像的脑出血区域图像；
9、所述特征提取单元用于对所述脑出血区域图像进行提取，得到多个脑出血特征。
10、可选的，所述系统还包括特征筛选模块；所述特征筛选模块用于对所有所述脑出血特征进行降维分析处理，得到若干筛选特征；所有所述筛选特征用于输入至训练好的预后预测模型中，得到用户的脑出血预后预测结果。
11、可选的，所述特征筛选模块用于利用方差选择法、特征选择法和/或lasso回归法对所有所述脑出血特征进行降维分析处理，得到若干筛选特征。
12、可选的，所述脑出血特征包括一阶统计量特征组、形状特征组、灰度共生矩阵特征组、灰度行程矩阵特征组和灰度区域大小矩阵特征组；每一特征组包括若干原始特征；所述系统还包括特征预处理模块；所述特征预处理模块用于在对所有所述脑出血特征进行降维分析处理之前，对一阶统计量特征组、灰度共生矩阵特征组、灰度行程矩阵特征组和灰度区域大小矩阵特征组中的所有原始特征进行预处理，得到若干预处理特征；所述预处理包括对数处理、平方处理、指数处理和/或平方根处理。
13、可选的，所述服务器还包括模型训练模块，所述模型训练模块包括数据集获取单元和模型训练单元；
14、其中，所述数据集获取单元用于获取数据集；所述数据集包括若干样本用户的样本脑出血原始头颅ct影像的样本脑出血特征以及每一所述样本用户的真实脑出血预后分析结果；
15、模型训练单元用于采用所述数据集对预后预测模型进行训练，得到训练好的预后预测模型。
16、可选的，所述模型训练单元用于利用支持向量机算法、k邻近算法、逻辑回归算法、决策树算法、极限梯度增强树算法或随机森林算法采用所述数据集对预后预测模型进行训练，得到训练好的预后预测模型。
17、根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供了一种ai脑出血预后预测系统，系统包括图像采集设备和服务器；服务器包括特征提取模块和预后预测模块；其中，图像采集设备用于采集用户的脑出血原始头颅ct影像；特征提取模块用于对脑出血原始头颅ct影像进行特征提取，得到多个脑出血特征；预后预测模块用于将所有脑出血特征输入至训练好的预后预测模型中，得到用户的脑出血预后预测结果；训练好的预后预测模型是以样本用户的样本脑出血原始头颅ct影像的所有样本脑出血特征为输入，以样本用户的真实脑出血预后分析结果为标签训练得到的模型。本发明从用户的脑出血原始头颅ct影像中提取大量影像特征值进行脑出血预后分析，提高了脑出血预后预测的准确率；采用机器学习模型(训练好的预后预测模型)进行脑出血预后预测，通过机器学习脑出血原始头颅ct影像中提取的特征(脑出血特征)与用户的脑出血预后结果的对应关系的规律，其具有很强的客观性，进一步提高脑出血预后预测的准确率。
1.一种ai脑出血预后预测系统，其特征在于，所述ai脑出血预后预测系统包括图像采集设备和服务器；所述服务器包括特征提取模块和预后预测模块；
2.根据权利要求1所述的ai脑出血预后预测系统，其特征在于，所述特征提取模块包括分割单元和特征提取单元；
3.根据权利要求2所述的ai脑出血预后预测系统，其特征在于，所述系统还包括特征筛选模块；所述特征筛选模块用于对所有所述脑出血特征进行降维分析处理，得到若干筛选特征；所有所述筛选特征用于输入至训练好的预后预测模型中，得到用户的脑出血预后预测结果。
4.根据权利要求3所述的ai脑出血预后预测系统，其特征在于，所述特征筛选模块用于利用方差选择法、特征选择法和/或lasso回归法对所有所述脑出血特征进行降维分析处理，得到若干筛选特征。
5.根据权利要求2所述的ai脑出血预后预测系统，其特征在于，所述脑出血特征包括一阶统计量特征组、形状特征组、灰度共生矩阵特征组、灰度行程矩阵特征组和灰度区域大小矩阵特征组；每一特征组包括若干原始特征；
6.根据权利要求1所述的ai脑出血预后预测系统，其特征在于，所述服务器还包括模型训练模块，所述模型训练模块包括数据集获取单元和模型训练单元；
7.根据权利要求6所述的ai脑出血预后预测系统，其特征在于，所述模型训练单元用于利用支持向量机算法、k邻近算法、逻辑回归算法、决策树算法、极限梯度增强树算法或随机森林算法采用所述数据集对预后预测模型进行训练，得到训练好的预后预测模型。
