【技术实现步骤摘要】
本专利技术属于脑动静脉畸形风险预测，尤其涉及一种bavm破裂出血风险预测方法、装置、系统及存储介质。
技术介绍
1、脑动静脉畸形(brain arteriovenous malformation,bavm)是一种在中枢神经系统中出现的先天性血管发育异常，影响大脑的动脉和静脉之间的血液流动。此病症常见于10至40岁的人群，它是青壮年群体中致死和致残的主要脑血管病之一。bavm的典型症状包括脑出血、癫痫和头痛，而这些症状在病情加重时可能会突然恶化，尤其是当血管畸形破裂时。
2、在bavm的研究中，数字减影血管造影(digital subtraction angiography,dsa)被认为是判断的金标准。dsa能够提供关于血管形态的详细信息，如供血动脉的数量和直径、畸形团的大小和密度，以及潜在的血流相关性动脉瘤。通过这些详细的影像资料，医生可以对bavm进行精确的评级，从而制定相应的治疗策略。然而，尽管dsa提供了丰富的视觉数据，其准确性和效果很大程度上依赖于执行和解读dsa的医生的专业水平和经验。
3、现有技术在预测bavm的临床表型，如破裂出血和癫痫的风险方面存在明显的局限性。尽管有dsa这一研究工具，但专家在评估和解读这些复杂影像时的主观性仍是一个重要问题。此外，传统的影像学方法也未能充分利用可用于预测的dsa图像中包含的全部空间和时间信息，这限制了对bavm患者状况的全面理解，进而影响了治疗策略的制定和优化。
4、综上，对bavm的研究当前仍然面临着诸多挑战。首先，高度依赖个体医生经验的
技术实现思路
1、为解决上述问题，本专利技术提供一种bavm破裂出血风险预测方法，包括：
2、建立包括多个建模人员的建模人群集合，并获取每个所述建模人员对应的dsa影像；
3、基于所述dsa影像，提取并筛选得到所述dsa影像的影像组学特征；以及，提取所述dsa影像的深度学习特征；
4、基于所述建模人群集合确定建模算法，以及所述建模算法对应的评价阈值；
5、根据所述建模人群集合中每个所述建模人员的所述影像组学特征和所述深度学习特征，通过所述建模算法构建风险预测模型；
6、通过所述风险预测模型对目标待分析人员对应的dsa影像进行分析，并基于所述评价阈值得到预测结果。
7、优选地，所述建立包括多个建模人员的建模人群集合，包括：
8、收集所述建模人群集合中每个建模人员对应的临床信息；
9、根据所述临床信息，对每个所述建模人员分组；其中，所述分组包括出血组和非出血组。
10、优选地，所述获取每个所述建模人员对应的dsa影像，包括：
11、由工作站获取每个所述建模人员对应的dsa图像文件；所述dsa图像文件包括颈内动脉图像文件、颈外动脉图像文件和椎动脉造影图像文件；
12、对每个所述dsa图像文件重采样至预设规格，得到重采样dsa文件；
13、根据每个所述建模人员对应的临床信息，筛选所述颈内动脉图像文件、所述颈外动脉图像文件和所述椎动脉造影图像文件中能表征病灶的dsa图像序列，作为所述建模人员对应的所述dsa影像。
14、优选地，所述基于所述dsa影像，提取并筛选得到所述dsa影像的影像组学特征，包括：
15、在所述dsa影像的各角度图像中，分别选择所述各角度图像中引流静脉早显的第一帧作为关键帧；
16、划分出所述关键帧的二维图像的roi区域；
17、对每个所述建模人员的所述roi区域进行特征提取，得到所述dsa影像对应的正侧位的所述影像组学特征。
18、优选地，所述影像组学特征包括：
19、一阶统计特征、灰度共生矩阵纹理特征、灰度依赖矩阵纹理特征、相邻灰度差分矩阵纹理特征、灰度游程矩阵纹理特征、灰度区域大小矩阵纹理特征、形状特征、3d、sigma和小波变换特征中的任意一种或多种。
20、优选地，所述提取所述dsa影像的深度学习特征，包括：
21、根据所述roi区域对应的宽度和高度，对所述dsa图像进行框取，得到包含所述roi区域的矩形选框，裁剪并得到所述矩形选框内图像作为矩形图像；
22、利用预训练的深度残差网络模型，以所获取矩形图像作为输入数据，提取avgpool层的特征，作为所述深度学习特征。
23、优选地，所述基于所述建模人群集合确定建模算法，以及所述建模算法对应的评价阈值，包括：
24、将所述建模人群集合划分为训练集和验证集；
25、利用交叉验证的lasso回归方法对所述特征集中的特征进行筛选，选择其中coef系数大于0的特征，作为筛选特征；
26、基于所述筛选特征，利用预设待筛选算法分别构建待测试模型；
27、利用所述建模人群集合，对所述待测试模型进行交叉验证，得到每个所述待测试模型对应的数据预测结果；
28、根据所述建模人群集合中所述训练集和所述验证集对应的所述数据预测结果，得到不同的所述待测试模型的准确率结果、roc曲线和评价阈值；
29、在所有的所述待测试模型中，选择所述准确率结果和roc曲线中的auc值最大的所述待测试模型对应的预设待筛选算法，作为所述建模算法。
30、优选地，所述预设待筛选算法，包括：
31、逻辑回归算法、朴素贝叶斯算法、svm算法、knn算法、extratrees算法、随机森林算法、xgboost算法、lightgbm算法、gradientboosting算法、adaboost算法和mlp算法。
32、优选地，每个所述预设待筛选算法对应的所述评价阈值分别为：
33、逻辑回归算法0.550、朴素贝叶斯算法0.062、svm算法0.408、knn算法0.800、extratrees算法0.400、随机森林算法0.700、xgboost算法0.742、lightgbm算法0.521、gradientboosting算法0.664、adaboost算法0.529和mlp算法0.359。
34、优选地，所述根据所述建模人群集合中每个所述建模人员的所述影像组学特征和所述深度学习特征，通过所述建模算法构建风险预测模型，包括：
35、对所述影像组学特征和所述深度学习特征分别进行z正则化处理，以便于将每个所述影像组学特征和所述深度学习特征的特征值均转化为0-1之间；
36、将所述影像组学特征与所述深度学习特征拼接，构成特征集；
37、基于所述特征集构建所述风险预测模型。
本文档来自技高网...【技术保护点】
1.一种bAVM破裂出血风险预测方法，其特征在于，包括：
2.如权利要求1所述bAVM破裂出血风险预测方法，其特征在于，所述建立包括多个建模人员的建模人群集合，包括：
3.如权利要求2所述bAVM破裂出血风险预测方法，其特征在于，所述获取每个所述建模人员对应的DSA影像，包括：
4.如权利要求1所述bAVM破裂出血风险预测方法，其特征在于，所述基于所述DSA影像，提取并筛选得到所述DSA影像的影像组学特征，包括：
5.如权利要求4所述bAVM破裂出血风险预测方法，其特征在于，所述影像组学特征包括：
6.如权利要求4所述bAVM破裂出血风险预测方法，其特征在于，所述提取所述DSA影像的深度学习特征，包括：
7.如权利要求1所述bAVM破裂出血风险预测方法，其特征在于，所述基于所述建模人群集合确定建模算法，以及所述建模算法对应的评价阈值，包括：
8.如权利要求7所述bAVM破裂出血风险预测方法，其特征在于，所述预设待筛选算法，包括：
9.如权利要求8所述bAVM破裂出血风险预测方法，其特征
10.如权利要求1所述bAVM破裂出血风险预测方法，其特征在于，所述根据所述建模人群集合中每个所述建模人员的所述影像组学特征和所述深度学习特征，通过所述建模算法构建风险预测模型，包括：
11.如权利要求1所述bAVM破裂出血风险预测方法，其特征在于，所述通过所述风险预测模型对目标待分析人员对应的DSA影像进行分析，得到预测结果，包括：
12.如权利要求11所述bAVM破裂出血风险预测方法，其特征在于，所述根据所述出血预测几率和不出血预测几率，得到所述目标待分析人员的所述预测结果，包括：
13.一种bAVM破裂出血风险预测装置，其特征在于，包括：
14.一种bAVM破裂出血风险预测系统，其特征在于，包括存储器以及处理器，所述存储器中存储有bAVM破裂出血风险预测程序，所述处理器运行所述bAVM破裂出血风险预测程序以使所述bAVM破裂出血风险预测系统执行如权利要求1-12任一项所述的bAVM破裂出血风险预测方法。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有bAVM破裂出血风险预测程序，所述bAVM破裂出血风险预测程序被处理器执行时实现如权利要求1-12任一项所述的bAVM破裂出血风险预测方法。
...【技术特征摘要】
1.一种bavm破裂出血风险预测方法，其特征在于，包括：
2.如权利要求1所述bavm破裂出血风险预测方法，其特征在于，所述建立包括多个建模人员的建模人群集合，包括：
3.如权利要求2所述bavm破裂出血风险预测方法，其特征在于，所述获取每个所述建模人员对应的dsa影像，包括：
4.如权利要求1所述bavm破裂出血风险预测方法，其特征在于，所述基于所述dsa影像，提取并筛选得到所述dsa影像的影像组学特征，包括：
5.如权利要求4所述bavm破裂出血风险预测方法，其特征在于，所述影像组学特征包括：
6.如权利要求4所述bavm破裂出血风险预测方法，其特征在于，所述提取所述dsa影像的深度学习特征，包括：
7.如权利要求1所述bavm破裂出血风险预测方法，其特征在于，所述基于所述建模人群集合确定建模算法，以及所述建模算法对应的评价阈值，包括：
8.如权利要求7所述bavm破裂出血风险预测方法，其特征在于，所述预设待筛选算法，包括：
9.如权利要求8所述bavm破裂出血风险预测方法，其特征在于，每个所述预设待筛选算法对应的所述评价阈值分别为：
10.如权利要求...
【专利技术属性】
技术研发人员：李强，肖祥俊，段国礼，张雨杭，李喆，吴奇，曹凯，刘建民，张广浩，丁鑫，庞淼，
申请(专利权)人：中国人民解放军海军军医大学第一附属医院，
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。