基于人工智能的颅内动脉瘤风险预测方法及相关装置制造方法及图纸

本申请提供的基于人工智能的颅内动脉瘤风险预测方法及相关装置，方法包括：获取待预测医学影像；待预测医学影像中至少包含动脉瘤的图形信息；基于预设的特征分割模型对待预测医学影像进行分割，获得动脉瘤三维影像；动脉瘤三维影像中包含动脉瘤的图形；对动脉瘤图形进行测量，获得动脉瘤的特征数据；将动脉瘤的特征数据和预设的结构化特征数据输入预设的破裂风险预测模型进行预测，以得到破裂风险数据；基于动脉瘤三维影像、动脉瘤的特征数据和破裂风险数据，生成医学诊断报告。本申请采用在实施利用深度学习技术，通过训练好的学习模型，对患者影像进行动脉瘤识别、分割并完成自动测量，大大缩短诊断时间，提高了诊断准确度。

【技术实现步骤摘要】
基于人工智能的颅内动脉瘤风险预测方法及相关装置
本专利技术涉及医学辅助诊断
，具体涉及基于人工智能的颅内动脉瘤风险预测方法及相关装置。
技术介绍
随着人民生活水平的不断提高，动脉瘤逐渐成为民众威胁生命健康的主要疾病。高血压、冠心病多种严重疾病病因皆由动脉瘤导致，早发现早治疗是最佳治疗方案。目前，传统的动脉瘤诊断方法需要通过人工方式对患者血管影像预处理，继而依据人工经验对处理后的影像进行疾病诊断和风险预测。可想而知，这种人工处理方式需要耗费大量时间精力，且无法保证诊断和预测的准确性，容易出现漏查、筛查效率不高等诸多问题。
技术实现思路
有鉴于此，本专利技术的目的之一在于提供一种基于人工智能的颅内动脉瘤风险预测方法及相关装置，用以提高动脉瘤诊断和预测的效率和准确率。本专利技术技术方案如下：第一方面，本专利技术提供一种基于人工智能的颅内动脉瘤风险预测方法，包括：获取待预测医学影像；所述待预测医学影像中至少包含动脉瘤的图形信息；基于预设的特征分割模型对所述待预测医学影像进行分割，获得动脉瘤三维影像；所述本文档来自技高网...

【技术保护点】
1.一种基于人工智能的颅内动脉瘤风险预测方法，其特征在于，所述方法包括：/n获取待预测医学影像；所述待预测医学影像中至少包含动脉瘤的图形信息；/n基于预设的特征分割模型对所述待预测医学影像进行分割，获得动脉瘤三维影像；所述动脉瘤三维影像中包含所述动脉瘤的图形；/n对所述动脉瘤的图形进行测量，获得动脉瘤的特征数据；/n将所述动脉瘤的特征数据和预设的结构化特征数据输入预设的破裂风险预测模型进行预测，以得到破裂风险数据；/n基于所述动脉瘤三维影像、所述动脉瘤的特征数据和所述破裂风险数据，生成医学诊断报告。/n

【技术特征摘要】
1.一种基于人工智能的颅内动脉瘤风险预测方法，其特征在于，所述方法包括：
获取待预测医学影像；所述待预测医学影像中至少包含动脉瘤的图形信息；
基于预设的特征分割模型对所述待预测医学影像进行分割，获得动脉瘤三维影像；所述动脉瘤三维影像中包含所述动脉瘤的图形；
对所述动脉瘤的图形进行测量，获得动脉瘤的特征数据；
将所述动脉瘤的特征数据和预设的结构化特征数据输入预设的破裂风险预测模型进行预测，以得到破裂风险数据；
基于所述动脉瘤三维影像、所述动脉瘤的特征数据和所述破裂风险数据，生成医学诊断报告。


2.根据权利要求1所述的基于人工智能的颅内动脉瘤风险预测方法，其特征在于，获取待预测医学影像的步骤，包括：
获取源医学影像；所述源医学影像具有第一图像格式；
将所述第一图像格式转化为第二图像格式，获得所述待预测医学影像。


3.根据权利要求2所述的基于人工智能的颅内动脉瘤风险预测方法，其特征在于，将所述第一图像格式转化为第二图像格式，获得所述待预测医学影像之前，还包括：
对所述源医学影像进行预处理。


4.根据权利要求1所述的基于人工智能的颅内动脉瘤风险预测方法，其特征在于，所述基于预设的特征分割模型对所述待预测医学影像进行分割，获得动脉瘤三维影像，包括：
采用图像识别模型对所述待预测医学影像进行维分割，获得所述动脉瘤三维影像。


5.根据权利要求1所述的基于人工智能的颅内动脉瘤风险预测方法，其特征在于，所述预设的结构化特征数据包括以下任意一种及组合：性别、年龄、动脉瘤破裂史、症状特征、多发动脉瘤、家族史、吸烟、饮酒、高血脂、高血压、糖尿病及冠心病。


6.根据权利要求1所述的基于人工智能的颅内动...

【专利技术属性】
技术研发人员：王硕，刘清源，徐鹏，吴俊，尹亮，姜朋军，赵娇，
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：北京;11