Classification / prediction methods are described for distinguishing between infarct, peripheral and healthy sites in tomography (MRI or CT) image datasets of stroke patients under examination. The method derives a multidimensional set (7, 11) of feature vectors from a plurality of baseline modalities in which the modality is composed of both structural and functional modalities. For each volume element of the image dataset, n dimensional feature vectors are extracted (8, 12), indicating both the structural and functional modality of the volume element. Classification (13) is implemented with volume elements, and its classification is used to provide information to section (14) because it labels volume elements as belonging to healthy tissue, surrounding tissue, infarcted tissue. Classification operation (13) uses a learning base classifier and uses a pretreatment image dataset consisting of multiple second hypoxic sites, a second hypoxic site of the brain of a patient with a history of stroke, for training. In a second embodiment, the follow-up (post-treatment) image dataset is used for classifier training.分類/予測法は、検査中の脳卒中患者の脳の断層撮影(MRI又はCT)イメージデータセットにおける梗塞、周辺及び健常部位の区別のために説明されている。当該方法は、当該モダリティが構造的及び機能性モダリティ両方で構成される複数のベースラインモダリティから、特徴ベクトルの多次元セット(7,11)を導出する。イメージデータセットの各体積要素については、n次元の特徴ベクトルが抽出されるため(8,12)、体積要素の構造性及び機能性モダリティ両方を示す。分類(13)は体積要素で実施され、その分類は健常組織、周辺組織、梗塞組織に属するように体積要素をラベル付けするため、区分(14)へ情報を提供するために使用される。分類オペレーション(13)では学習ベース分類子を使用し、複数の第二低酸素部位、脳卒中歴のある患者の脳の第二低酸素部位から成る前治療イメージデータセットをトレーニングに使用する。第二の実施態様では、フォローアップ(治療後)イメージデータセットは分類子のトレーニングに使用される。
