【技术实现步骤摘要】
本申请属于医疗，尤其涉及一种术后并发症的预测方法、装置、终端设备和介质。
技术介绍
1、烟雾病(moyamoya disease,mmd)是一种罕见的脑血管病，其特征是颈内动脉(internal carotid artery,ica)远端及其主要分支近端区域进行性自发性狭窄或闭塞，并伴有脑基底部网状血管的形成(1,2)，是青壮年的主要卒中因素之一。与之类似的，在中老年人群中，大脑中动脉闭塞与颈内动脉闭塞是更为常见的颅内血管闭塞类疾病，也容易导致再发卒中。无论是上述哪种疾病，颅外内血运重建术都是其主要治疗方案这一。
2、在既往的coss实验与cmoss实验中，颈内动脉闭塞与大脑中动脉闭塞血运重建术后短期内的缺血并发症发生率可达6.2-15％(3)。而成人烟雾病术后急性缺血性卒中发生率则可高达9％(4-20)，这大大限制了手术的保护作用。正是由于手术并发症的高发生率，使得术后长期总体无卒中率大大降低，影响了术后整体的治疗效果。
3、目前尚无公认的临床预测模型用于预测烟雾病术后并发症。但有两项烟雾病相关的分期系统在临床相对常用。
4、第一种suzuki分期作为烟雾病公认的血管分期方法，反映了烟雾病从狭窄到闭塞，颅外向颅内的代偿过程。能部分反应疾病的进展与代偿情况。
5、另一种更为贴近临床预测的评分系统——柏林分期可以准确预测20％的术后梗死(21)。其采用造影(颅内血管的闭塞与代偿)、核磁共振平扫(有无陈旧卒中、脑萎缩)、ct脑血流储备实验(有无盗血)将患者分为i、ii、iii级来评估患
6、suzuki分期作为烟雾病公认的血管分期方法，既不能代表疾病的严重程度，也不能预测血运重建手术后并发症的发生，这极大地限制了手术风险的评估。
7、另一种流行的评分系统柏林分期可以准确预测约20％的术后梗死，由于效率过低，不适合广泛的临床应用。其次，虽然脑血管储备(cerebrovascular reserve,cvr)<0.95已被证明是卒中的预测因素，但尚未对其他柏林分级标准进行统计学检验，以证明其预测卒中风险的有效性，尤其是对个体预测而言。此外，dsa上软脑膜支的代偿情况可以反映cvr的程度。仅使用dsa评估cvr可减少检查项目数量，降低患者医疗成本。三是临床实施难度大。由于成本较高，123i-imp spect和xe-ct无法在大多数医疗中心应用。最后，最重要的是，乙酰唑胺激发对烟雾病患者并不是完全安全的(高达63％的患者可能会出现不良副作用)，这可能导致一些因盗血而血流不稳定的患者出现缺血症状甚至脑梗死。因此，在某些情况下，各国采用乙酰唑胺激发法计算烟雾病患者的cvr，进一步限制了柏林分期的推广。
8、由于缺乏类似的术前评估系统，围手术期卒中发生率相对较高。如果能更好地评估围手术期卒中并发症，降低手术后短期内卒中并发症的发生，血运重建的远期效果可能优于保守治疗。因此，迫切需要一种简单、快速、实用、高效的评分系统来评估血运重建期间的术后卒中并发症，以确保最大限度的安全性，避免高风险手术的潜在危害。
技术实现思路
1、本专利技术意在提供一种术后并发症的预测方法、装置、终端设备和介质，以解决现有技术中存在的不足，本专利技术要解决的技术问题通过以下技术方案来实现。
2、第一个方面，本专利技术实施例提供一种术后并发症的预测方法，所述方法包括：
3、获取待预测影像图像；
4、根据所述待预测影像图像和预先训练好的预测模型，确定与所述待预测影像图像对应的初始预测数据，所述初始预测数据用于表征术后并发症的发生概率，其中，所述预先训练好的预测模型是采用样本影像图像对logistic回归模型进行训练得到的；
5、采用过采样率对所述初始预测数据进行修正，得到与所述待预测影像图像对应的目标预测数据。
6、可选地，所述采用过采样率对所述初始预测数据进行修正，得到与所述待预测影像图像对应的目标预测数据，包括：
7、根据所述过采样率，对过采样后的未调整回归概率进行处理，得到修正后的预测概率；
8、将所述修正后的预测概率，确定为与所述预测影像图像对应的目标预测数据。
9、可选地，所述预先训练好的预测模型通过如下方式获得：
10、获取样本影像图像，其中，所述样本影像图像至少包括dsa造影数据和历史变量数据；
11、对所述样本影像图像进行单因素和多因素判断；
12、将满足预设条件的数据作为第一训练数据；
13、根据所述第一训练数据和预设过采样率，确定第二训练数据；
14、根据所述第二训练数据对logistic回归模型进行训练，得到所述预测模型。
15、可选地，所述方法还包括：
16、通过一致性指数、校准图和决策曲线分算法，对所述预测模型进行评价。
17、可选地，所述方法还包括：
18、计算所述预测模型的评价参数，其中，所述评价参数至少包括灵敏度、特异度、阳性预测值、阴性预测值、c-index、f1评分、f2评分和matthews相关系数；
19、根据所述评价参数，对所述预测模型的效度进行评价。
20、第二个方面，本专利技术实施例提供一种术后并发症的预测装置，所述装置包括：
21、获取模块，用于获取待预测影像图像；
22、预测模块，用于根据所述待预测影像图像和预先训练好的预测模型，确定与所述待预测影像图像对应的初始预测数据，所述初始预测数据用于表征术后并发症的发生概率，其中，所述预先训练好的预测模型是采用样本影像图像对logistic回归模型进行训练得到的；
23、修正模块，用于采用过采样率对所述初始预测数据进行修正，得到与所述待预测影像图像对应的目标预测数据。
24、可选地，所述修正模块用于：
25、根据所述过采样率，对过采样后的未调整回归概率进行处理，得到修正后的预测概率；
26、将所述修正后的预测概率，确定为与所述预测影像图像对应的目标预测数据。
27、可选地，所述装置还包括模型训练模块，所述模型训练模块用于：
28、获取样本影像图像，其中，所述样本影像图像至少包括dsa造影数据和历史变量数据；
29、对所述样本影像图像进行单因素和多因素判断；
30、将满足预设条件的数据作为第一训练数据；
31、根据所述第一训练数据和预设过采样率，确定第二训练数据；
32、根据所述第二训练数据对logistic回归模型进行训练，得到所述预测模型。
33、可选地，所述模型训练模块用于：
34、通过一致性指数、校准图和决策曲线分算法，对所述预测模型进行本文档来自技高网...
【技术保护点】
1.一种术后并发症的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述采用过采样率对所述初始预测数据进行修正，得到与所述待预测影像图像对应的目标预测数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述预先训练好的预测模型通过如下方式获得：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
6.一种术后并发症的预测装置，其特征在于，所述装置包括：
7.根据权利要求6所述的装置，其特征在于，所述修正模块用于：
8.根据权利要求6所述的装置，其特征在于，所述装置还包括模型训练模块，所述模型训练模块用于：
9.一种终端设备，其特征在于，包括：至少一个处理器和存储器；
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现权利要求1-5中任一项所述的术后并发症的预测方法。
【技术特征摘要】
1.一种术后并发症的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述采用过采样率对所述初始预测数据进行修正，得到与所述待预测影像图像对应的目标预测数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述预先训练好的预测模型通过如下方式获得：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
6.一种术...
【专利技术属性】
技术研发人员：王嵘，段然，刘子琪，
申请(专利权)人：首都医科大学附属北京天坛医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。