一种检测脑动静脉畸形并判断其弥散性的方法和装置制造方法及图纸

本公开涉及一种检测脑动静脉畸形并判断其弥散性的方法和装置。包括：获取待检测的脑动静脉畸形病灶区域的图像特征，所述图像特征包括灰度特征、形状特征、尺寸特征中的至少一种；将所述图像特征输入至脑动静脉畸形的弥散性分类模型，输出所述脑动静脉畸形的弥散性类型，其中，所述脑动静脉畸形的弥散性分类模型被设置为利用脑动静脉畸形病灶区域的图像特征与脑动静脉畸形的弥散性类型的对应关系训练获得。相较于人工判断脑动静脉畸形的弥散性类型，具有更高的准确性，并且判断速度快，可以有效降低临床医师的工作量。

【技术实现步骤摘要】
一种检测脑动静脉畸形并判断其弥散性的方法和装置
本公开涉及医学图像检测
，尤其涉及一种检测脑动静脉畸形并判断其弥散性的方法和装置。
技术介绍
脑动静脉畸形(arteriovenousmalformation，AVM)是一种先天性脑血管疾病，在病变部位，脑动脉和脑静脉之间缺乏毛细血管，导致动脉与静脉直接相通，形成动静脉之间的短路，导致一系列脑血流动力学的紊乱。临床上常表现为反复的颅内出血、部分性或全身性癫痫发作、短暂性脑缺血发作和进行性神经功能障碍。脑动静脉畸形表现为紧凑型和弥散型两种：紧凑型表现为病灶中间有较少的脑组织，边界清晰；弥散型表现为动静脉畸形血管之间夹杂有较多的脑组织，边界不清晰。目前，脑动静脉畸形手术预后的考虑因素包括脑动静脉畸形的弥散性、畸形团的大小、畸形团的位置以及深静脉引流。其中，弥散性是预测动静脉畸形自然出血的重要因素，弥散性判断与预后直接相关，在目前所有的预测评级中，弥散性是非常重要的评估因素之一。相关技术中，对脑动静脉畸形的弥散性类型判断为人工判读，判断方法包括通过患者术前医学影像，判断畸形血管的走行及紧密本文档来自技高网...

【技术保护点】
1.一种检测脑动静脉畸形并判断其弥散性的方法，其特征在于，包括：/n获取待检测的脑动静脉畸形病灶区域的图像特征，所述图像特征包括灰度特征、形状特征、尺寸特征中的至少一种；/n将所述图像特征输入至脑动静脉畸形的弥散性分类模型，输出所述脑动静脉畸形的弥散性类型，其中，所述脑动静脉畸形的弥散性分类模型被设置为利用脑动静脉畸形病灶区域的图像特征与脑动静脉畸形的弥散性类型的对应关系训练获得。/n

【技术特征摘要】
1.一种检测脑动静脉畸形并判断其弥散性的方法，其特征在于，包括：
获取待检测的脑动静脉畸形病灶区域的图像特征，所述图像特征包括灰度特征、形状特征、尺寸特征中的至少一种；
将所述图像特征输入至脑动静脉畸形的弥散性分类模型，输出所述脑动静脉畸形的弥散性类型，其中，所述脑动静脉畸形的弥散性分类模型被设置为利用脑动静脉畸形病灶区域的图像特征与脑动静脉畸形的弥散性类型的对应关系训练获得。


2.根据权利要求1所述的方法，其特征在于，所述获取待检测的脑动静脉畸形病灶区域的图像特征，包括：
获取待检测的脑动静脉畸形病灶区域的图像；
从所述图像中提取所述脑动静脉畸形病灶区域的图像特征。


3.根据权利要求2所述的方法，其特征在于，在所述从所述图像中提取所述脑动静脉畸形病灶区域的图像特征之后，还包括：
从所述图像特征中获取两两图像特征之间的相关度；
筛选出其中与其它图像特征的相关度大于第一预设阈值的图像特征。


4.根据权利要求2所述的方法，其特征在于，在所述从所述图像中提取所述脑动静脉畸形病灶区域的图像特征之后，还包括：
从所述图像特征中获取两两图像特征之间的相关度；
将相关度大于第二预设阈值的两图像特征分别与所述待检测的脑动静脉畸形病灶区域的图像做比较，筛选出其中与所述图像相关度较高的图像特征。


5.根据权利要求1所述的方法，其特征在于，所述获取待检测的脑动静脉畸形病灶区域的图像特征，包括：
获取待检测的脑动静脉畸形的图像；
将所述图像输入至畸形团病灶分割模型，输出所述脑动静脉畸形病灶区域图像，所述畸形团病灶分割模型被设置为利用脑动静脉畸形的图像与脑动静脉畸形病灶区域图像的对应关系训练获得；
根据所述脑动静脉畸形病灶区域图像，提取图像特征。


6.根据权利要求1所述的方法，其特征在于，所述脑动静脉畸形的弥散性分类模型被设置为利用脑动静脉畸形病灶区域的图像特征与脑动静脉畸形的弥散性类型的对应关系训练获得，包括：
获取脑动静脉畸形病灶区域的图像特征的样本集合，所述样本集合包括多个标注有脑动静脉畸形的弥散性类型的脑动静脉畸形病灶区域的图像特征；
构建脑动静脉畸形的弥散性分类模型，所述脑动静脉畸形的弥散性分类模型中设置有训练参数；
分别将所述脑动静脉畸形病灶区域的图像特征输入至所述脑动静脉畸形的弥散性分类模型，生成预测结果；
基于所述预测结果与标注的所述图像特征的脑动静脉畸形的弥散性类型之间的差异，对所述训练参数进行迭代调整，直至所述差异满足预设要求。


7.根据权利要求5所述的方法，其特征在于，所述畸形团病灶分割模型被设置为利用脑动静脉畸形的图像与脑动静脉畸形病灶区域图像的对应关系训练获得，包括：
获取脑动静脉畸形的图像的样本集合，所述样本集合中包括多个标注有病灶区域的脑动静脉畸形的图像；
构建畸形团病灶分割模型，所述畸形团病灶分割模型设置有训练参数；
分别将所述脑动静脉畸形的图像输入至所述畸形团病灶分割模型，生成预测结果；
基于所述预测结果与所述脑动静脉畸形的图像标注的病灶区域之间的差异，对所述训练参数进行迭代调整，直至所述差异满足预设要求。


8.根据权利要求7所述的方法，其特征在于，所述获取脑动静脉畸形的图像的样本集合，包括：
获取脑动静脉畸形的三维图像；
按照预设切割方向将所述三维图像中切割成多个子图像；
在所述多个子图像中标注脑动静脉畸形的病灶区域，得到脑动静脉畸形的图像的样本集合。


9.根据权利要求8所述的方法，所述按照预设切割方向将所述三维图像中切割成多个子图像，包括：
按照预设方向从所述三维图像中提取多个原始子图像；
分别将所述原始子图像的尺寸缩小至预设尺寸，得到多个子图像。


10.根据权利要求8所述的方法，其特征在于，所述在所述多个子图像中标注脑动静脉畸形的病灶区域，得到脑动静脉畸形的图像的样本集合，包括：
在所述多个子图像中标注脑动静脉畸形的病灶区域；
对标注后的所述子图像进行几何变换，得到所述子图像的几何变换图像；
将所述子图像及其几何变换图像作为脑动静脉畸形的图像的样本集合。


11.根据权利要求6所述的方法，其特征在于，所述畸形团病灶分割模型包括U-Net网络结构模型，所述分别将所述脑动静脉畸形的图像输入至所述畸形团病灶分割模型，生成预测结果包括：
利用U-Net网络中的编码器对输入的脑动静脉畸形的图像进行多次下采样，分别提取采样后的图像特征；
利用U-Net网络中的解码器将所述图像特征与编码器中同一尺寸的图像特征相拼接，并进行上采样；
通过激活函数对拼接后的图像特征进行分类，得到分类结果。


12.一种检测脑动静脉畸形并判断其弥散性的装置，其特征在于，包括：
获取模块，用于获取待检测的脑动静脉畸形病灶区域的图像特征，所述图像...

【专利技术属性】
技术研发人员：焦玉明，曹勇，张钧泽，吴振洲，赵琪，刘佳奇，严嘉欢，刘盼，
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