一种脑卒中类型预测方法以及装置制造方法及图纸

本发明专利技术提供了一种脑卒中类型预测方法以及装置，该方法包括：获取多个脑卒中病人的脑部样本图像，并获取与每一张脑部样本图像对应的病灶信息；根据所述病灶信息，利用机器学习的方法对所述脑部样本图像进行特征描述，生成脑卒中病灶信息数据模型；当获取脑部扫描图像后，使用所述脑卒中病灶信息数据模型对脑部扫描图像进行卒中类型预测。本发明专利技术实施例预先采用大数据建立了脑卒中病灶信息模型，在判断的时候，只需要将病人的脑部扫描图像直接输入，使用该模型对脑部扫描图像进行运算，最终模型会输出响应的速度快，不易造成病情拖延；且这个过程不需要人为的参与，减轻医生的医疗压力，同时，也不会由于人为差异导致病情判断不准确。

【技术实现步骤摘要】
一种脑卒中类型预测方法以及装置
本专利技术涉及图像处理
，具体而言，涉及一种脑卒中类型预测方法以及装置。
技术介绍
脑卒中(Stroke)是脑中风的学名，是一种突然起病的脑血液循环障碍性疾病，又叫脑血管意外。其是指在脑血管疾病的病人，因各种诱发因素引起脑内动脉狭窄，闭塞或破裂，而造成急性脑血液循环障碍，临床上表现为一次性或永久性脑功能障碍的症状和体征。脑卒中分为缺血性脑卒中和出血性脑卒中。卒中在脑血管造影中的显示特征为脑动脉狭窄、闭塞或扭曲。随着计算机技术以及临床诊断技术的不断发展与成熟，DICOM(DigitalImagingandCommunicationsinMedicine，医学数字成像和通信)被广泛应用于放射医疗，心血管成像以及放射诊疗诊断设备(X射线，CT，核磁共振，超声等)中，对脑卒中各个衡量指标的计算也越来越依赖DICOM医学影像。临床上脑卒中的诊断主要依赖于人工标定MRI图像数据或者CT图像影像数据，从而对疾病相关的衡量指标的进行测算(动脉的直径、是否有堵塞或者是否有扭曲、是否有出血部位等)，进而给出相应的治疗方案。对于脑卒中患者来说，从发病到治疗的“时间窗”对降低死亡率、致残率至关重要。而卒中治疗的“时间窗”非常短，通常刚要在发病3小时或4.5小时之内开始，因此需要医院竭尽所能缩短中间环节，为病人争取救治时间。但是在对病人进行脑部血管造影到医生拿到DICOM影像数据，两者之间时间差较大，再采用人工标定衡量指标，并通过人工判断衡量指标的方式来对脑卒中进行诊断，所耗时间过久，容易导致病情被拖延，且在诊断的时候需要经验丰富的医生，容易由于人为差异导致病情判断不准确。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提供一种脑卒中模型建立方法以及装置，能够对脑卒中的各项衡量指标进行更迅速准确的标定。第一方面，本专利技术实施例提供了一种脑卒中类型预测方法，包括：获取多个脑卒中病人的脑部样本图像，并获取与每一张脑部样本图像对应的病灶信息；根据所述病灶信息，利用机器学习的方法对所述脑部样本图像进行特征描述，生成脑卒中病灶信息数据模型；当获取脑部扫描图像后，使用所述脑卒中病灶信息数据模型对脑部扫描图像进行卒中类型预测。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中：还包括：获取脑部图像，并对脑部图像进行预处理，获取所述脑部样本图像。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中：所述对脑部图像进行预处理，具体包括：对脑部图像进行筛选，去除没有病灶的脑部图像；对去除没有病灶的脑部图像后，所剩余的脑部图像进行高斯滤波或者平滑滤波处理，去除噪音，获取去噪图像；对所述去噪图像进行降维处理，获取脑部样本图像。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中：所述病灶信息包括：卒中类型以及病灶轮廓信息；所述根据所述病灶信息，利用机器学习的方法对所述脑部样本图像进行特征描述，生成脑卒中病灶信息数据模型，具体包括：根据与每一张脑部样本图像对应的病灶轮廓信息，从所述脑部样本图像中提取脑部样本图像的纹理特征、颜色特征；采用卷积神经网络的深度学习方法，对所述纹理特征以及颜色特征进行学习训练，建立卒中类型与纹理特征以及颜色特征之间的关联关系，生成脑卒中病灶信息数据模型。结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中：所述使用所述脑卒中病灶信息数据模型对脑部扫描图像进行卒中类型预测，具体包括：对脑部扫描图像进行预处理，获取预处理后的脑部扫描图像；使用超像素方法和网格法对脑部扫描图像进行分割，获取多张分割图像；从每张所述分割图像中提取预设特征所对应的特征值；所述预设特征与所述脑卒中病灶信息数据模型中的特征一致；使用每一张分割图像对应的特征值，作为脑卒中病灶信息数据模型的输入，获取模型输出，并根据模型输出确定卒中类型。第二方面，本专利技术实施例还提供一种脑卒中类型预测装置，包括：样本获取单元，用于获取多个脑卒中病人的脑部样本图像，并获取与每一张脑部样本图像对应的病灶信息；机器学习单元，用于根据所述病灶信息，利用机器学习的方法对所述脑部样本图像进行特征描述，生成脑卒中病灶信息数据模型；卒中类型预测单元，用于在获取脑部扫描图像时，使用所述脑卒中病灶信息数据模型对脑部扫描图像进行卒中类型预测。结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，其中：还包括：图像预处理单元，其用于获取脑部图像，并对脑部图像进行预处理，获取所述脑部样本图像。结合第二方面，本专利技术实施例提供了第二方面的第二种可能的实施方式，其中：所述图像预处理单元，具体包括：图像筛选模块，用于对脑部图像进行筛选，去除没有病灶的脑部图像；去噪模块，用于对去除没有病灶的脑部图像后，所剩余的脑部图像进行高斯滤波或者平滑滤波处理，去除噪音，获取去噪图像；降维模块，用于对所述去噪图像进行降维处理，获取脑部样本图像。结合第二方面，本专利技术实施例提供了第二方面的第三种可能的实施方式，其中：所述机器学习单元具体包括：特征提取模块，用于根据与每一张脑部样本图像对应的病灶轮廓信息，从所述脑部样本图像中提取脑部样本图像的纹理特征、颜色特征；深度学习模块，用于采用卷积神经网络的深度学习方法，对所述纹理特征以及颜色特征进行学习训练，建立卒中类型与纹理特征以及颜色特征之间的关联关系，生成脑卒中病灶信息数据模型；其中，所述病灶信息包括：卒中类型以及病灶轮廓信息。结合第二方面，本专利技术实施例提供了第二方面的第四种可能的实施方式，其中：所述卒中类型预测单元，具体包括：扫描图像预处理单元，用于对脑部扫描图像进行预处理，获取预处理后的脑部扫描图像；图像分割模块，用于使用超像素方法和网格法对脑部扫描图像进行分割，获取多张分割图像；特征值提取模块，用于从每张所述分割图像中提取预设特征所对应的特征值；所述预设特征与所述脑卒中病灶信息数据模型中的特征一致；计算模块，用于使用每一张分割图像对应的特征值，作为脑卒中病灶信息数据模型的输入，获取模型输出，并根据模型输出确定卒中类型。本专利技术实施例所提供的脑卒中类型预测方法以及装置，先获取多个脑卒中病人的脑部样本图像，并获取与每一张脑部样本图像对应的病灶信息；根据所述病灶信息，利用机器学习的方法对所述脑部样本图像进行特征描述，生成脑卒中病灶信息数据模型；当获取到需要进行预测的病人的脑部扫描图像后，使用所述脑卒中病灶信息数据模型对脑部扫描图像进行卒中类型预测时。在这个过程中，预先采用大数据建立了脑卒中病灶信息模型，在判断的时候，只需要将病人的脑部扫描图像直接输入，使用该模型对脑部扫描图像进行运算，最终模型会输出响应的速度快，不易造成病情拖延；且这个过程不需要人为的参与，也不需要经验丰富的医生，减轻医生的医疗压力，同时，也不会由于人为差异导致病情判断不准确。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这本文档来自技高网...

【技术保护点】
一种脑卒中类型预测方法，其特征在于，包括：获取多个脑卒中病人的脑部样本图像，并获取与每一张脑部样本图像对应的病灶信息；根据所述病灶信息，利用机器学习的方法对所述脑部样本图像进行特征描述，生成脑卒中病灶信息数据模型；当获取脑部扫描图像后，使用所述脑卒中病灶信息数据模型对脑部扫描图像进行卒中类型预测。

【技术特征摘要】
1.一种脑卒中类型预测方法，其特征在于，包括：获取多个脑卒中病人的脑部样本图像，并获取与每一张脑部样本图像对应的病灶信息；根据所述病灶信息，利用机器学习的方法对所述脑部样本图像进行特征描述，生成脑卒中病灶信息数据模型；当获取脑部扫描图像后，使用所述脑卒中病灶信息数据模型对脑部扫描图像进行卒中类型预测。2.根据权利要求1所述的方法，其特征在于，还包括：获取脑部图像，并对脑部图像进行预处理，获取所述脑部样本图像。3.根据权利要求2所述的方法，其特征在于，所述对脑部图像进行预处理，具体包括：对脑部图像进行筛选，去除没有病灶的脑部图像；对去除没有病灶的脑部图像后，所剩余的脑部图像进行高斯滤波或者平滑滤波处理，去除噪音，获取去噪图像；对所述去噪图像进行降维处理，获取脑部样本图像。4.根据权利要求1所述的方法，其特征在于，所述病灶信息包括：卒中类型以及病灶轮廓信息；所述根据所述病灶信息，利用机器学习的方法对所述脑部样本图像进行特征描述，生成脑卒中病灶信息数据模型，具体包括：根据与每一张脑部样本图像对应的病灶轮廓信息，从所述脑部样本图像中提取脑部样本图像的纹理特征、颜色特征；采用卷积神经网络的深度学习方法，对所述纹理特征以及颜色特征进行学习训练，建立卒中类型与纹理特征以及颜色特征之间的关联关系，生成脑卒中病灶信息数据模型。5.根据权利要求1-4任意一项所述的方法，其特征在于，所述使用所述脑卒中病灶信息数据模型对脑部扫描图像进行卒中类型预测，具体包括：对脑部扫描图像进行预处理，获取预处理后的脑部扫描图像；使用超像素方法和网格法对脑部扫描图像进行分割，获取多张分割图像；从每张所述分割图像中提取预设特征所对应的特征值；所述预设特征与所述脑卒中病灶信息数据模型中的特征一致；使用每一张分割图像对应的特征值，作为脑卒中病灶信息数据模型的输入，获取模型输出，并根据模型输出确定卒中类型。6.一种脑卒中类型预测装置，其特征在于，包括：样本获取单...

【专利技术属性】
技术研发人员：荣辉，
申请(专利权)人：上海辉明软件有限公司，
类型：发明
国别省市：上海,31