脑出血患者血肿扩大风险预测系统及方法技术方案

本发明专利技术提供一种脑出血患者血肿扩大风险预测系统及方法，属于图像处理技术领域，接收输入的脑出血患者的脑血肿CT图像和临床信息；对输入的脑血肿CT图像和临床信息进行分析，输出所述脑出血患者的血肿在一定时期内出现扩大的风险预测结果；其中，利用训练好的影像预测模型，对脑血肿CT图像进行分析，获取血肿扩大的关键影像学特征；利用训练好的临床预测模型，对临床信息进行分析，获取血肿扩大的关键临床特征。本发明专利技术通过分析脑出血急性期患者的影像及临床大数据，设计并构建了基于神经网络的多输入复合预测模型，实现脑血肿扩大的综合智能预测；可辅助神经科医师对脑血肿扩大作出预判，为患者诊疗提供合理的决策支持。

【技术实现步骤摘要】
脑出血患者血肿扩大风险预测系统及方法
本专利技术涉及图像处理
，具体涉及一种脑出血患者血肿扩大风险预测系统及方法。
技术介绍
脑出血(ICH)是一种病死率及致残率最高的急性脑血管病，脑出血早期部分患者会出现脑血肿扩大，可能因此危及生命或导致远期预后不良。实际工作中，医师对脑血肿扩大的预测难以实现。相关预测研究中，有科研人员采用常规影像征象(CTA或平扫CT)推断法、传统机器学习方法实现血肿扩大预测，但是相应征象的敏感度及特异度不高，预测准确度仍然有待提高，另外因为操作的繁琐性，以上方法难以真正实现临床应用。另外，目前的预测方法均基于单一影像学指标，而未考虑到患者的身体条件、发病状态等临床指标。
技术实现思路
本专利技术的目的在于提供一种脑出血患者血肿扩大风险预测系统及方法，以解决上述
技术介绍
中存在的至少一项技术问题。为了实现上述目的，本专利技术采取了如下技术方案：第一方面，本专利技术提供一种脑出血患者血肿扩大风险预测系统，包括：获取模块，用于接收输入的脑出血患者的脑血肿CT图像和临床信息；判断模块，用于对输入的脑血肿CT图像和临床信息进行分析，输出所述脑出血患者的血肿在一定时期内出现扩大的风险预测结果；其中，利用训练好的影像预测模型，对脑血肿CT图像进行分析，获取血肿扩大的关键影像学特征；利用训练好的临床预测模型，对临床信息进行分析，获取血肿扩大的关键临床特征。优选的，所述影像预测模型使用多组第一训练数据训练得到，所述多组第一训练数据中的每组数据均包括：首诊脑血肿CT图像以及用于标识该图像中血肿区域扩大与否的标签。优选的，所述临床预测模型使用多组第二训练数据训练得到，所述多组第二训练数据中的每组数据均包括：脑出血患者基本信息、发病后状态、24小时内出血相关实验室检查结果以及对应的数据标签。优选的，训练所述影像预测模型包括：重采样不同机型及层厚的脑血肿CT图像数据；使用3D-Slicer软件的半自动分割方式标注CT图像中的血肿区域，并获取血肿体积，依据与最初脑血肿CT图像中的血肿区域体积变化及相关标准确定用于标注脑血肿CT图像中血肿区域扩大或稳定的标签，构建数据集；将数据集随机划分为训练集、测试集、验证集；运用数据增强技术对训练集进行增强处理；搭建基于卷积神经网络的二分类模型，采用10－折交叉验证法训练并测试模型，调整网络超参数，直至达到最佳效果，得到影像预测模型。优选的，训练所述临床预测模型包括：获取患者的临床信息并进行预处理，包括数据清洗、转换和集成，对于缺失值采取人工填充法补；将临床信息划分训练集、测试集、验证集；搭建基于多层感知器的前馈网络模型，分析脑出血临床定量及定性数值数据；采用10－折交叉验证法训练并测试模型，调整网络超参数，直至达到最佳效果，得到临床预测模型。优选的，所述临床信息包括：患者基本信息、发病时间、入院时体温、血压、GCS评分、生活史及既往史、相关病史情况、抗凝或抗血小板药物史、入院24小时内实验室检查指标情况。优选的，所述判断模块以二分类形式输出最终风险预测结果，其中，输出“0”表示血肿稳定，输出“1”表示血肿扩大。第二方面，本专利技术提供一种利用如上所述的脑出血患者血肿扩大风险预测系统的脑出血患者血肿扩大风险预测方法，包括：接收输入的脑出血患者的脑血肿CT图像和临床信息；对输入的脑血肿CT图像和临床信息进行分析，输出所述脑出血患者的血肿在一定时期内出现扩大的风险预测结果；其中，利用训练好的影像预测模型，对脑血肿CT图像进行分析，获取血肿扩大的关键影像学特征；利用训练好的临床预测模型，对临床信息进行分析，获取血肿扩大的关键临床特征。第三方面，本专利技术提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括用于执行如上所述的脑出血患者血肿扩大风险预测方法的指令。第四方面，本专利技术提供一种电子设备，包括如上所述的非暂态计算机可读存储介质；以及能够执行所述非暂态计算机可读存储介质的所述指令的一个或多个处理器。本专利技术有益效果：通过分析脑出血急性期患者的影像及临床大数据，设计并构建了基于神经网络的多输入复合预测模型，实现脑血肿扩大的综合智能预测；可辅助神经科医师对脑血肿扩大作出预判，为患者诊疗提供合理的决策支持。本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。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，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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，还可以根据这些附图获得其他的附图。图1为本专利技术实施例所述的脑出血患者血肿扩大风险预测方法流程图。具体实施方式下面详细叙述本专利技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本专利技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件和/或它们的组。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本专利技术的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。为便于理解本专利技术，下面结合附图以具体实施例对本专利技术作进一步解释说明，且具体实施例并不构成对本专利技术实施例的限定。本领域技术人员应该理解，附图只是实施例的示意图，附图中的部件并不一定是实施本专利技术所必须的。实施例1本专利技术实施例1提供一种脑出血患者血肿扩大风险预测系统，该系统包括：获取模块，用于接收输入的脑出血患者的脑血肿CT图像和临床信息；判断模块，用于对输入的脑血肿CT图像和临床信息进行分析，输出所述脑出血患者的血肿在一定时期内出现扩大的风险预测结果；其中本文档来自技高网...

【技术保护点】
1.一种脑出血患者血肿扩大风险预测系统，其特征在于，包括：/n获取模块，用于接收输入的脑出血患者的脑血肿CT图像和临床信息；/n判断模块，用于对输入的脑血肿CT图像和临床信息进行分析，输出所述脑出血患者的血肿在一定时期内出现扩大的风险预测结果；其中，/n利用训练好的影像预测模型，对脑血肿CT图像进行分析，获取血肿扩大的关键影像学特征；利用训练好的临床预测模型，对临床信息进行分析，获取血肿扩大的关键临床特征。/n

【技术特征摘要】
1.一种脑出血患者血肿扩大风险预测系统，其特征在于，包括：
获取模块，用于接收输入的脑出血患者的脑血肿CT图像和临床信息；
判断模块，用于对输入的脑血肿CT图像和临床信息进行分析，输出所述脑出血患者的血肿在一定时期内出现扩大的风险预测结果；其中，
利用训练好的影像预测模型，对脑血肿CT图像进行分析，获取血肿扩大的关键影像学特征；利用训练好的临床预测模型，对临床信息进行分析，获取血肿扩大的关键临床特征。


2.根据权利要求1所述的脑出血患者血肿扩大风险预测系统，其特征在于，所述影像预测模型使用多组第一训练数据训练得到，所述多组第一训练数据中的每组数据均包括：首诊脑血肿CT图像以及用于标识该图像中血肿区域扩大与否的标签。


3.根据权利要求1所述的脑出血患者血肿扩大风险预测系统，其特征在于，所述临床预测模型使用多组第二训练数据训练得到，所述多组第二训练数据中的每组数据均包括：脑出血患者基本信息、发病后状态、24小时内出血相关实验室检查结果以及对应的数据标签。


4.根据权利要求2所述的脑出血患者血肿扩大风险预测系统，其特征在于，训练所述影像预测模型包括：
重采样不同机型及层厚的脑血肿CT图像数据；
使用3D-Slicer软件的半自动分割方式标注CT图像中的血肿区域，并获取血肿体积，依据与最初脑血肿CT图像中的血肿区域体积变化及相关标准确定用于标注脑血肿CT图像中血肿区域扩大或稳定的标签，构建数据集；
将数据集随机划分为训练集、测试集、验证集；
运用数据增强技术对训练集进行增强处理；搭建基于卷积神经网络的二分类模型，采用10－折交叉验证法训练并测试模型，调整网络超参数，直至达到最佳效果，得到影像预测模型。


5.根据权利要求3所述的脑出血患者血肿扩大风险预测系统，其特征...

【专利技术属性】
技术研发人员：张瑞杰，李逸凡，
申请(专利权)人：德州市人民医院，
类型：发明
国别省市：山东;37