CLINICAL DATA ANALYSIS
A method for clinical data analysis includes receiving a first 3D representation that is representative of clinical data. The first three-dimensional (3D) representation includes one or more mesh elements. The method includes computing one or more mesh element features for the one or more mesh eleme...
Gespeichert in:
Hauptverfasser: | , , , , |
---|---|
Format: | Patent |
Sprache: | eng ; fre |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | A method for clinical data analysis includes receiving a first 3D representation that is representative of clinical data. The first three-dimensional (3D) representation includes one or more mesh elements. The method includes computing one or more mesh element features for the one or more mesh elements and providing the one or more mesh element features as an input to a first machine learning (ML) module. The method includes executing the first ML module to encode the first 3D representation into one or more latent representations and providing the one or more latent representations to a second ML module that is different from the first ML module. The method includes executing the second ML module to classify the clinical data represented in the first 3D representation into at least one predicted classification label.
Un procédé d'analyse de données cliniques consiste à recevoir une première représentation 3D qui est représentative de données cliniques. La première représentation tridimensionnelle (3D) comprend un ou plusieurs éléments de maillage. Le procédé consiste à calculer une ou plusieurs caractéristiques d'élément de maillage pour le ou les éléments de maillage et à fournir la ou les caractéristiques d'élément de maillage en tant qu'entrée pour un premier module d'apprentissage machine (ML). Le procédé comprend l'exécution du premier module de ML pour encoder la première représentation 3D dans une ou plusieurs représentations latentes et la fourniture de la ou des représentations latentes à un second module de ML qui est différent du premier module de ML. Le procédé consiste à exécuter le second module de ML pour classifier les données cliniques représentées dans la première représentation 3D en au moins une étiquette de classification prédite. |
---|