本发明专利技术属于一种大脑中动脉形态学致病因素的评估方法,具体涉及一种基于血管空间构型分析的大脑中动脉形态学致病因素的评估方法。其步骤包括:根据大脑中动脉M1段的具体形态确定其起始点及终止点,根据M1段在三视图中的形态确定其空间结构类型,使用各视图形态的风险权重矩阵通过加权求和确定形态学致病因素的风险因子。
【技术实现步骤摘要】
本专利技术属于,具体涉及一种基于血管空间构型分析的大脑中动脉形态学致病因素的评估方法。
技术介绍
脑卒中已成为我国居民死亡率最高的疾病。颅内动脉粥样硬化是缺血性脑卒中的主要病因,大脑中动脉动脉粥样硬化是颅内动脉粥样硬化的最常见部位,其主干(Ml段)的狭窄或闭塞将发生严重的脑梗死,导致患者致残甚至致死。目前在颅外颈动脉的研究中发现,血管形态特征是大脑中动脉动脉粥样硬化的重要影响因素之一,而颅内动脉特别是大脑中动脉的形态与形态学致病因素的风险关系研究显得尤为重要。本专利技术构建了一种新的大脑中动脉形态学致病因素的评估方法,令大脑中动脉的形态学致病因素研究得以量化,并使批量分析成为可能。本专利技术涉及的大脑中动脉形态学致病因素的评估方法的具体步骤包括在三视图中确定大脑中动脉Ml段形态,并根据Ml段在三视图中的形态确定其空间结构类型,使用各视图形态的风险权重矩阵及求和公式确定形态学致病因素的风险因子,以期对具有不同大脑中动脉Ml段形态的大脑中动脉进行形态学致病因素的评估。
技术实现思路
本专利技术寻求构建,通过对目标血管段进行的形态学分类,本专利技术提供了一种基于血管空间构型分析的大脑中动脉形态学致病因素的评估方法。其步骤包括,根据大脑中动脉Ml段的具体形态确定其起始点及终止点,根据Ml段在三视图中的形态确定其空间结构类型,使用各视图形态的风险权重矩阵通过加权求和确定形态学致病因素的风险因子。进一步,如上所述的LCS分类方法是根据血管正交三视图上目标血管段投影形态进行分类的方法,L、C及S分别表示某一视图中的目标血管段投影成直线段、C形曲线段或S形曲线段,分类后形成的LCS编码为三位,即XXX,顺序表示目标血管段在冠状面视图、横断面视图和矢状面视图上投影的形态;进一步,如上所述的各视图形态风险权重矩阵为三行三列,各列顺序表示冠状面视图、横断面视图和矢状面视图,各行分别表示投影成直线段、C形曲线或S形曲线,矩阵的九个元素表示各视图对应形态的风险权重;进一步,如上所述的利用各视图形态风险权重矩阵,计算加权求和,获得形态学致病因素的风险因子的步骤是对风险权重矩阵进行的线性或非线性处理,其计算方法为FRisk = Σ^Σ^ι/ /Α其中,F&k为形态学致病因素的风险因子,Pi,j为修正因子矩阵。附图说明图I方法实施流程图3图2大脑中动脉Ml段解剖结构示意3大脑中动脉Ml段不同类型示意4大脑中动脉Ml段各视图中不同类型示例具体实施例方式下面结合附图与具体实施例对本专利技术做进一步的详细说明。如图I所示为一种基于血管空间构型分析的大脑中动脉形态学致病因素的评估方法的主要步骤,具体包括(I)基于头部三维成像技术获得大脑中动脉三维图像,可利用MRI,CT等技术,如图4所示为大脑MRI成像结果;(2)根据大脑中动脉三维图像确定目标血管段Ml图像,即确定M1段起点,Ml段终点,如图2所示,可根据大脑解剖特征确定Ml段的起点和终点;(3)根据目标血管段Ml图像提取目标血管段正交三视图,即提取冠状面视图、横断面视图和矢状面视图,如图4任意一列所;(4)依据LCS分类方法,如图3所示,分类目标血管段正交三视图,获得目标血管段LCS编码,具体格式为XXX,顺序表示目标血管段在冠状面视图、横断面视图和矢状面视图上投影的形态;(5)根据目标血管段LCS编码,并依据各视图形态风险权重矩阵,计算加权求和,获得形态学致病因素的风险因子。LCS分类方法是根据血管正交三视图上目标血管段投影形态进行分类的方法,L、C及S分别表示某一视图中的目标血管段投影成直线段、C形曲线或S形曲线,如图4所示,各行分别给出了 L型血管形态在正交三视图中的样式。各视图形态风险权重矩阵为三行三列,各列顺序表示冠状面视图、横断面视图和矢状面视图,各行分别表示投影成直线段、C形曲线或S形曲线,矩阵的九个元素表示各视图对应形态的风险权重,其位置如图4所示的9个子图相对应,下表为一个各视图形态风险权重矩阵实例。权利要求1.一种基于血管空间构型分析的大脑中动脉形态学致病因素的评估方法,其特征在于,大脑中动脉形态学致病因素的评估,具体步骤包括基于头部三维成像技术(01)获得大脑中动脉三维图像(02),可利用MRI (11),CT (12)等技术;根据大脑中动脉三维图像(02)确定目标血管段Ml图像(03),即确定M1段起点,Ml段终点(13);图像(03)提取目标血管段正交三视图(04),如提取冠状面视图、横断面视图和矢状面视图(17);依据LCS分类方法(14),对目标血管段正交三视图进行分组,获得目标血管段LCS编码(05);根据目标血管段LCS编码(05),并依据各视图形态风险权重矩阵(16),进行加权计算,获得形态学致病因素的风险因子。2.如权利要求I所述,一种基于血管空间构型分析的大脑中动脉形态学致病因素的评估方法利用了 LCS分类方法(14),其特征在于LCS分类方法(14)是根据血管正交三视图(04)上目标血管段投影形态对其进行分类的方法,L、C及S分别表示某一视图中的目标血管段投影成直线段、C形曲线段或S形曲线段,分类后形成的LCS编码(05)为三位,即XXX,顺序表示目标血管段在冠状面视图、横断面视图和矢状面视图(17)上投影的形态。3.如权利要求I所述,一种基于血管空间构型分析的大脑中动脉形态学致病因素的评估方法利用了各视图形态风险权重矩阵(16),其特征在于各视图形态风险权重矩阵(16)为三行三列,各列顺序表示冠状面视图、横断面视图和矢状面视图(17),各行分别表示投影成直线段、C形曲线或S形曲线,矩阵的九个元素表示各视图对应形态的风险权重。4.如权利要求I所述,一种基于血管空间构型分析的大脑中动脉形态学致病因素的评估方法利用了各视图形态风险权重矩阵(16),计算加权求和,获得形态学致病因素的风险因子(06),其特征在于计算加权求和过程是对风险权重矩阵(16)进行的线性或非线性处理,其计算方法为',其中,FHsk为形态学致病因素的风险因子(06),Pi,」为修正因子矩阵。全文摘要本专利技术属于,具体涉及一种基于血管空间构型分析的大脑中动脉形态学致病因素的评估方法。其步骤包括根据大脑中动脉M1段的具体形态确定其起始点及终止点,根据M1段在三视图中的形态确定其空间结构类型,使用各视图形态的风险权重矩阵通过加权求和确定形态学致病因素的风险因子。文档编号G06F19/00GK102938015SQ201210341999公开日2013年2月20日 申请日期2012年9月14日 优先权日2012年9月14日专利技术者乔惠婷, 韩金涛, 李德玉, 张琪 申请人:北京航空航天大学本文档来自技高网...
【技术保护点】
一种基于血管空间构型分析的大脑中动脉形态学致病因素的评估方法,其特征在于,大脑中动脉形态学致病因素的评估,具体步骤包括:基于头部三维成像技术(01)获得大脑中动脉三维图像(02),可利用MRI(11),CT(12)等技术;根据大脑中动脉三维图像(02)确定目标血管段M1图像(03),即确定:M1段起点,M1段终点(13);图像(03)提取目标血管段正交三视图(04),如提取:冠状面视图、横断面视图和矢状面视图(17);依据LCS分类方法(14),对目标血管段正交三视图进行分组,获得目标血管段LCS编码(05);根据目标血管段LCS编码(05),并依据各视图形态风险权重矩阵(16),进行加权计算,获得形态学致病因素的风险因子。
【技术特征摘要】
【专利技术属性】
技术研发人员:乔惠婷,韩金涛,李德玉,张琪,
申请(专利权)人:北京航空航天大学,
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。