【技术实现步骤摘要】
本专利技术涉及医学工程的，尤其涉及一种基于易损斑块影像识别的心脑血预警模型。
技术介绍
1、近年来，随着医疗技术的不断升级与计算机技术的不断更新，计算机技术和医疗技术的结合也愈加紧密，解决了众多医学难题，同时，海量医疗数据也为预防和诊治疾病提供了有力的数据支持。易损斑块是引起急性冠脉综合症的重要病理基础,它的破裂是导致患者死亡的重要原因，因此基于医疗数据对易损斑块进行精确识别是预防心脑血管疾病的重要措施。
2、目前，公开号为cn117198514b的中国专利技术，提供了一种基于clip模型的易损斑块识别方法及系统，在clip模型的基础上，引入了bn层和dropout层分别对文本特征和图像特征做处理，减少了过拟合，仅根据图像特征提取识别易损斑块，识别结果和识别标准过于单一，不利于精确了解易损斑块的详细情况，并且没有针对易损斑块的识别结果进行相应预警，不利于病症的精准防治。
技术实现思路
1、本专利技术解决的技术问题是：现有技术仅根据图像特征提取识别易损斑块，识别结果和识别标准过于单一，不利于精确了解易损斑块的详细情况，并且没有针对易损斑块的识别结果进行相应预警，不利于病症的精准防治。
2、为解决上述技术问题，本专利技术提供了一种基于易损斑块影像识别的心脑血管预警模型，包括以下步骤：
3、步骤s1，利用大数据技术从医疗共享平台获取患者心脑血管数据，并根据患者心脑血管数据建立血管影像数据库；
4、步骤s2，对所述患者心脑血管数据进行图像预处
5、步骤s3，提取三维心脑血管数据中的三维血管影像，针对所述三维血管影像建立三维流体仿真模型，利用三维流体仿真模型获取血流信息，所述血流信息包括静息血流信息、充血血流信息和血流储备系数；
6、步骤s4，根据所述易损斑块识别模型的输出和所述血流信息获取破裂诱因和预警信息，并将所述破裂诱因和所述预警信息输入第二卷积神经网络模型，构建预警模型；
7、作为本专利技术所述的一种基于易损斑块影像识别的心脑血管预警模型的一种优选方案，其中：所述步骤s1具体包括以下步骤：
8、步骤s101,利用大数据技术根据疾病标签从医疗共享平台获取高危人群的患者心脑血管数据，高危人群包括冠心病高危因素患者、心脑血管动脉粥样硬化高危因素患者和急性心肌梗死患者，所述冠心病高危因素患者包括糖尿病患者、高血脂患者、高血压患者、吸烟史患者和家族病史患者，所述患者心脑血管数据包括患者姓名、患者年龄、患者病史和患者cta图像；
9、步骤s102，将所述患者心脑血管数据划分为患者头颈血管数据和患者动脉血管数据，分别存储至头颈血管影像数据子库和动脉血管影像数据子库。
10、作为本专利技术所述的一种基于易损斑块影像识别的心脑血管预警模型的一种优选方案，其中：所述步骤s2具体包括以下步骤：
11、步骤s201，对患者心脑血管数据进行图像预处理获取三维心脑血管数据，将所述三维心脑血管数据划分为影像训练集和影像测试集；
12、步骤s202，针对所述影像训练集中的三维血管影像进行类别标注和特征标注，并将类别标注和特征标注后的影像训练集输入第一卷积神经网络进行训练，所述三维血管影像作为数据输入，类别标注的斑块类别、特征标注的斑块特征和血管狭窄程度作为数据输出，获取易损斑块识别模型；
13、作为本专利技术所述的一种基于易损斑块影像识别的心脑血管预警模型的一种优选方案，其中：所述步骤s3具体包括以下步骤：
14、步骤s301,针对所述三维血管影像进行网格划分，获取三维流体仿真模型，通过三维流体仿真模型根据易损斑块类型获取易损斑块信息，并根据易损斑块信息设定静息血流参数和充血血流参数，将静息血流参数输入三维流体仿真模型，获取静息血流信息，将所述充血血流参数输入三维流体仿真模型获取充血血流信息，并通过静息血流信息和充血血流信息获取血流储备系数，血流参数包括血管入口流量参数、出口流阻参数、血液物性参数和管壁物性参数；
15、步骤s302，通过静息血流信息、充血血流信息和血流储备系数获取斑块血流异常系数；
16、作为本专利技术所述的一种基于易损斑块影像识别的心脑血管预警模型的一种优选方案，其中：所述步骤s4具体包括以下步骤：
17、步骤s401，通过斑块识别模型获取各组患者心脑血管数据的斑块类别、斑块特征和血管狭窄程度，并通过三维流体仿真模型获取各组患者心脑血管数据的静息血流信息和血流储备系数；
18、步骤s402，医生根据各组患者心脑血管数据的斑块类型、斑块特征、血管狭窄程度、静息血流信息和血流储备系数进行易损斑块的破裂诱因和预警信息标注；
19、步骤s403，将标注后的斑块类型、斑块特征、血管狭窄程度、静息血流信息和血流储备系数输入第二卷积神经网络进行训练，所述斑块类型、所述斑块特征、所述血管狭窄程度、所述静息血流信息和所述血流储备系数作为输入，所述破裂诱因和预警信息作为输出，建立第二卷积神经网络模型，所述第一卷积神经网络模型和第二卷积神经网络模型联合构建为预警模型；
20、步骤s404，将影像测试集输入所述预警模型，利用第一卷积神经网络模型获取影像测试集的第二斑块类别、第二斑块特征和第二血管狭窄程度，利用第二卷积神经网络获取影像测试集的第二破裂诱因和第二预警信息，并根据所述患者心脑血管数据获取所述影像测试集的诊断信息，并利用关键词提取根据所述诊断信息获取影像测试集的第一斑块类别、第一斑块特征、第一血管狭窄程度、第一破裂诱因和第一预警信息，并根据所述第一斑块类别、所述第一斑块特征和所述第一血管狭窄程度获取第一卷积神经网络模型的第一拟合度，并根据所述第一拟合度调整第一卷积神经网络模型的模型参数，直至所述第一拟合度达到第一预期阈值，根据所述第一破裂诱因和所述第一预警信息获取第二卷积神经网络模型的第二拟合度，并根据第二拟合度获取调整第二卷积神经网络模型，直至所述第二拟合度达到第二预期阈值；
21、作为本专利技术所述的一种基于易损斑块影像识别的心脑血管预警模型的一种优选方案，其中：所述易损斑块信息包括斑块位置、斑块硬化体积比、斑块纤维帽厚度、血管入口直径和血管出口直径；
22、所述静息血流信息包括血流时间、静息血流总量、静息血流速度和静息血管壁剪切力；
23、所述充血血流信息包括血流时间、充血血流总量、充血血流速度和充血血管壁剪切力；
24、作为本专利技术所述的一种基于易损斑块影像识别的心脑血管预警模型的一种优选方案，其中：对患者心脑血管数据进行图像预处理获取三维心脑血管数据包括：
25、提取患者心脑血管数据中的患者cta图像，利用图像分割技术获取所述患者cta图像的血管分割图像，并利用双边滤波器根据阈值操作和形态学运算去除所述血管分割图像的图像噪声和非连接血管，并利用尺度计算公式进行图像增强获取各种尺本文档来自技高网...
【技术保护点】
1.一种基于易损斑块影像识别的心脑血管预警模型，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于易损斑块影像识别的心脑血管预警模型，其特征在于：所述步骤S1具体包括以下步骤：
3.如权利要求1所述的一种基于易损斑块影像识别的心脑血管预警模型，其特征在于：所述步骤S2具体包括以下步骤：
4.如权利要求1所述的一种基于易损斑块影像识别的心脑血管预警模型，其特征在于：所述步骤S3具体包括以下步骤：
5.如权利要求1所述的一种基于易损斑块影像识别的心脑血管预警模型，其特征在于：所述步骤S4具体包括以下步骤：
6.如权利要求4所述的一种基于易损斑块影像识别的心脑血管预警模型，其特征在于：所述易损斑块信息包括斑块位置、斑块硬化体积比、斑块纤维帽厚度、血管入口直径和血管出口直径；
7.如权利要求3所述的一种基于易损斑块影像识别的心脑血管预警模型，其特征在于：对患者心脑血管数据进行图像预处理获取三维心脑血管数据包括：
8.如权利要求3所述的一种基于易损斑块影像识别的心脑血管预警模型，其特征在于：
...【技术特征摘要】
1.一种基于易损斑块影像识别的心脑血管预警模型，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于易损斑块影像识别的心脑血管预警模型，其特征在于：所述步骤s1具体包括以下步骤：
3.如权利要求1所述的一种基于易损斑块影像识别的心脑血管预警模型，其特征在于：所述步骤s2具体包括以下步骤：
4.如权利要求1所述的一种基于易损斑块影像识别的心脑血管预警模型，其特征在于：所述步骤s3具体包括以下步骤：
5.如权利要求1所述的一种基于易损斑块影像识别的心脑血管预警模型，其特征在于：所述步骤s4具体包括以下步骤：
6.如权利要求4所述的一种基于易损斑块影像识别的心脑血管...
【专利技术属性】
技术研发人员：孙凯，韩瑞娟，张志龙，战跃福，周珊珊，刘淑蓉，张振，
申请(专利权)人：深圳市龙岗区第三人民医院，
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。