预测动脉瘤破裂潜能的系统、方法、电子设备及介质技术方案

本发明专利技术实施例公开了一种预测动脉瘤破裂潜能的系统、方法、电子设备及介质，预测动脉瘤破裂潜能的方法包括：获取待处理的医学影像，对所述待处理医学影像进行处理得到待预测影像；基于U

【技术实现步骤摘要】
预测动脉瘤破裂潜能的系统、方法、电子设备及介质


[0001]本专利技术涉及动脉瘤预测
，具体涉及一种预测动脉瘤破裂潜能的系统、方法、电子设备及介质。

技术介绍

[0002]颅内动脉瘤是导致蛛网膜下腔出血的主要原因，全世界每年有近50万人死于颅内动脉瘤，中国人群发病率约为5％。精准地判断未破裂颅内动脉瘤是否稳定至关重要，在既往的研究中，颅内动脉瘤的稳定性与多种因素相关，且研究样本量较小，多为回顾性研究和针对动脉瘤的大小进行的研究，因此目前相关危险因素尚不明确，同时尚缺乏可靠的预测动脉瘤破裂潜能的方法或模型。
[0003]目前动脉瘤的手术方式为保守治疗及手术治疗两种：第一种保守治疗，需要定期复查头颈部CTA及全脑血管造影术，明确观察血压变化，如果出现动脉瘤增大、建议积极进行早期手术治疗；手术治疗分为介入栓塞术及开颅夹闭术，介入栓塞术具有手术创伤小、恢复快的特点，但有花费大及报销比例少的缺点；开颅夹闭术手术创伤大，术后可出现脑内血肿,脑积水等情况。因此根据患者高风险未破裂动脉瘤的特点及破裂潜能进行早期评估，根据破裂风险选择一个合适的治疗方案就特别重要。

技术实现思路

[0004]本专利技术实施例的目的在于提供一种预测动脉瘤破裂潜能的系统、方法、电子设备及介质，用以解决现有无法准确的预测动脉瘤破裂潜能的问题。
[0005]为实现上述目的，本专利技术实施例提供一种预测动脉瘤破裂潜能的方法，所述方法具体包括：
[0006]获取待处理的医学影像，对所述待处理医学影像进行处理得到待预测影像；
[0007]基于U
‑
Net图像识别模型对所述待预测影像进行三维分割，得到动脉瘤三维影像；
[0008]通过深度学习测量所述动脉瘤三维影像的动脉瘤几何特征，得到动脉瘤及载瘤血管的几何指标数据和血流动力学数据；
[0009]通过深度学习分析所述载瘤血管及动脉瘤的几何指标数据和血流动力学数据，得到动脉瘤破裂潜能的预测结果。
[0010]在上述技术方案的基础上，本专利技术还可以做如下改进：
[0011]进一步地，所述获取待处理的医学影像，对所述待处理医学影像进行处理得到待预测影像，包括：
[0012]通过CT血管造影获取DICOM格式的待处理的医学影像；
[0013]删除所述待处理的医学影像中的非必要数据；
[0014]将删除非必要数据后的待处理的医学影像转换为NII.GZ格式的待预测影像。
[0015]进一步地，所述基于U
‑
Net图像识别模型对所述待预测影像进行三维分割，得到动脉瘤三维影像，包括：
[0016]通过卷积
‑
池化
‑
反卷积
‑
反池化训练U
‑
Net图像识别模型。
[0017]进一步地，所述通过深度学习测量所述动脉瘤三维影像的动脉瘤几何特征，得到动脉瘤及载瘤血管的几何指标数据和血流动力学数据，包括：
[0018]将所述动脉瘤的几何指标定义为相对动脉瘤的中心线位置的十个序列，其中，几何指标包括：中心线曲率k、中心线扭转t、横截面积A、横截面积变化率ACR、最大直径MaxD、最小直径、等效直径EquivD、偏心率e、体积SLD和扩展数据。
[0019]进一步地，所述基于U
‑
Net图像识别模型对所述待预测影像进行三维分割，得到动脉瘤三维影像，还包括：
[0020]使用动脉瘤的中心线曲线上的点，将每个线段设置为具有相等数量的曲线拟合点；
[0021]确定分割长度的阈值由横截面积的标准偏差设置，使用标准差作为有统计学意义的点；
[0022]确定点与平均值之间的差异是否有意义，根据每个患者的具体情况对所述待预测影像进行三维分割。
[0023]进一步地，所述通过深度学习分析所述载瘤血管及动脉瘤的几何指标数据和血流动力学数据，得到动脉瘤破裂潜能的预测结果，包括:
[0024]引入一条假想曲线来表示动脉瘤区域正常血管的假设中心线；
[0025]将所述假想曲线与动脉瘤的中心线进行比较，通过动脉瘤的中心线和正常血管的假设中心线的关系，计算实际曲线和假想曲线之间的距离，并将最大值、累积值、平均值、标准偏差和距离的变化作为几何特征。
[0026]进一步地，所述通过深度学习分析所述载瘤血管及动脉瘤的几何指标数据和血流动力学数据，得到动脉瘤破裂潜能的预测结果，还包括:
[0027]通过深度学习基于所述几何特征计算并分析动脉瘤最大凹陷程度，明确动脉瘤破裂的具体位置，得到动脉瘤破裂潜能的预测结果。
[0028]一种预测动脉瘤破裂潜能的系统，包括：
[0029]处理模块，用于获取待处理的医学影像，对所述待处理医学影像进行处理得到待预测影像；
[0030]分割模块，用于基于U
‑
Net图像识别模型对所述待预测影像进行三维分割，得到动脉瘤三维影像；
[0031]计算模块，用于通过深度学习测量所述动脉瘤三维影像的动脉瘤几何特征，得到动脉瘤及载瘤血管的几何指标数据和血流动力学数据；
[0032]分析模块，用于通过深度学习分析所述载瘤血管及动脉瘤的几何指标数据和血流动力学数据，得到动脉瘤破裂潜能的预测结果。
[0033]一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如所述方法的步骤。
[0034]一种非暂态计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述方法的步骤。
[0035]本专利技术实施例具有如下优点：
[0036]本专利技术中的预测动脉瘤破裂潜能的方法，获取待处理的医学影像，对所述待处理
医学影像进行处理得到待预测影像；基于U
‑
Net图像识别模型对所述待预测影像进行三维分割，得到动脉瘤三维影像；通过深度学习测量所述动脉瘤三维影像的动脉瘤几何特征，得到动脉瘤及载瘤血管的几何指标数据和血流动力学数据；通过深度学习分析所述载瘤血管及动脉瘤的几何指标数据和血流动力学数据，得到动脉瘤破裂潜能的预测结果；解决了现有技术中无法准确的预测动脉瘤破裂潜能的问题。
附图说明
[0037]为了更清楚地说明本专利技术的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
[0038]本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
得能涵盖的范围内。
[0039]图1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测动脉瘤破裂潜能的方法，其特征在于，所述方法具体包括：获取待处理的医学影像，对所述待处理医学影像进行处理得到待预测影像；基于U
‑
Net图像识别模型对所述待预测影像进行三维分割，得到动脉瘤三维影像；通过深度学习测量所述动脉瘤三维影像的动脉瘤几何特征，得到动脉瘤及载瘤血管的几何指标数据和血流动力学数据；通过深度学习分析所述载瘤血管及动脉瘤的几何指标数据和血流动力学数据，得到动脉瘤破裂潜能的预测结果。2.根据权利要求1所述的预测动脉瘤破裂潜能的方法，其特征在于，所述获取待处理的医学影像，对所述待处理医学影像进行处理得到待预测影像，包括：通过CT血管造影获取DICOM格式的待处理的医学影像；删除所述待处理的医学影像中的非必要数据；将删除非必要数据后的待处理的医学影像转换为NII.GZ格式的待预测影像。3.根据权利要求1所述的预测动脉瘤破裂潜能的方法，其特征在于，所述基于U
‑
Net图像识别模型对所述待预测影像进行三维分割，得到动脉瘤三维影像，包括：通过卷积
‑
池化
‑
反卷积
‑
反池化训练U
‑
Net图像识别模型。4.根据权利要求1所述的预测动脉瘤破裂潜能的方法，其特征在于，所述通过深度学习测量所述动脉瘤三维影像的动脉瘤几何特征，得到动脉瘤及载瘤血管的几何指标数据和血流动力学数据，包括：将所述动脉瘤的几何指标定义为相对动脉瘤的中心线位置的十个序列，其中，几何指标包括：中心线曲率k、中心线扭转t、横截面积A、横截面积变化率ACR、最大直径MaxD、最小直径、等效直径EquivD、偏心率e、体积SLD和扩展数据。5.根据权利要求4所述的预测动脉瘤破裂潜能的方法，其特征在于，所述基于U
‑
Net图像识别模型对所述待预测影像进行三维分割，得到动脉瘤三维影像，还包括：使用动脉瘤的中心线曲线上的点，将每个线段设置...

【专利技术属性】
技术研发人员：刘清源，吴俊，姜朋军，刘伟奇，马学升，陈金钢，徐鹏，陈磊，
申请(专利权)人：王硕，
类型：发明
国别省市：