基于神经网络的动脉瘤破裂预测方法、装置及存储介质制造方法及图纸

本发明专利技术提供一种基于神经网络的动脉瘤破裂预测方法、装置及存储介质，包括：获取血管的3D‑DSA图像，基于所述3D‑DSA图像获取图像中每个动脉瘤的血管几何形状信息以及血液动力学参数；对所述血管几何形状信息以及血液动力学参数中分别包括的平均流量参数、动脉瘤流入率、周转时间进行量化；将量化后的血管几何形状信息、血液动力学参数以及健康检查数据作为神经网络模型的输入，得到动脉瘤破裂预测数据。基于神经网络算法，不仅根据动脉瘤的大小、形状或位置来描绘破裂源，还可以提供更可靠的参数识别。有助于改善多发性动脉瘤患者中IAs破裂的临床鉴定，提高了预测的准确性。

【技术实现步骤摘要】
基于神经网络的动脉瘤破裂预测方法、装置及存储介质
本专利技术涉及动脉瘤检测技术，尤其涉及一种基于神经网络的动脉瘤破裂预测方法、装置及存储介质。
技术介绍
颅内动脉瘤(IA)是一种脑血管疾病，主要发生在脑动脉，其特征是血管病理性扩张。IA破裂会导致蛛网膜下腔出血(SAH)，这是一种出血性中风，经常导致死亡或严重残疾。在脑血管意外中，仅次于脑血栓和高血压脑出血，位居第三。所以，颅内动脉瘤的预防、检查和治疗一直是研究热点。很多检查出颅内动脉瘤的患者由于担心破裂的风险会出现恐惧、焦虑、抑郁等心理问题，导致情绪低落或易怒、害怕活动、不愿意与外界交往，严重者引发新的身心疾病，生活质量下降。近年来，CT、磁共振成像等医学影像学方法飞速发展，在评估颅内动脉瘤破裂风险中发挥重要作用。颅内动脉瘤破裂的后果非常严重，脑外科手术和介入治疗也存在一定风险，全面评估未破裂动脉瘤的破裂风险对于指导未破裂动脉瘤的治疗具有重要意义。在当前的IA研究中，未经处理的形态学和血液动力学参数大多依旧使用多元逻辑模型(Logistic)回归，用于对动脉瘤破裂状态进行分类。但在医学研究的其他领域，机器学习(ML)算法已经成为传统统计方法的替代方法，例如，使用医学成像数据对脑肿瘤和心脏病进行分类。与单变量统计分析着重于确定不同总体中参数平均值之间的独立显着差异不同，ML算法会根据具体情况在可用数据上使用给定功能来预测结果。但是，当前并没有技术基于机器学习对动脉瘤的破裂进行预测。
技术实现思路
本专利技术实施例提供一种基于神经网络的动脉瘤破裂预测方法、装置及存储介质，能够基于神经网络算法将血管几何形状、血液动力学参数以及健康检查数据作为参考，得到脉瘤破裂预测数据。本专利技术实施例的第一方面，提供一种基于神经网络的动脉瘤破裂预测方法，包括：获取血管的3D-DSA图像，基于所述3D-DSA图像获取图像中每个动脉瘤的血管几何形状信息以及血液动力学参数；对所述血管几何形状信息以及血液动力学参数中分别包括的平均流量参数、动脉瘤流入率、周转时间进行量化；将量化后的血管几何形状信息、血液动力学参数以及健康检查数据作为神经网络模型的输入，得到动脉瘤破裂预测数据。可选地，在第一方面的一种可能实现方式中，所述神经网络模型包括依次连接的输入层、中间层以及输出层；所述输入层包括16个神经元，其中每个神经元对应一个特征模型；所述中间层包括由32个神经元组成的单个隐藏层；所述血管几何形状信息、血液动力学参数以及健康检查数据分别输入至所述输入层后至所述中间层，所述中间层基于ReLU激活函数输入层输入的数据进行处理后输出至输出层，所述输出层S型函数对中间层输入的数据进行处理得到动脉瘤破裂预测数据。可选地，在第一方面的一种可能实现方式中，所述神经网络模型包括基于以下公式得到动脉瘤破裂预测数据，包括：RIMC＝0.45SRHmax+0.17UI+0.21RRT+0.17(分歧)RIMM＝0.65Hmax+0.16UI+0.19(分歧)其中，RIMc以及RIMm分别为参考信息模型，Hmax为血管最大高度，SRHmax为血管最大高度尺寸比率，UI为起伏指数，UI用于代表动脉瘤表面不规则程度，RRT为相对停留时间。可选地，在第一方面的一种可能实现方式中，所述健康检查数据包括年龄、性别、体重系数、动脉瘤大小、动脉瘤高度、血液相对保留时间、瘤体宽颈与瘤体比、高密度脂蛋白、低密度脂蛋白、壁面剪应力均值、压力均值、丙氨酸转氨酶、吸烟状况、遗传性高血压，遗传性心脏病以及遗传性糖尿病中的任意一种或多种。可选地，在第一方面的一种可能实现方式中，获取动脉瘤的部位信息，基于动脉瘤的部位得到该动脉瘤的破裂频率；将破裂频率最高的动脉瘤识别标记为已经破裂；若标记为破裂的动脉瘤和未标记为破裂的动脉瘤处于同一个动脉且频率相同，则将次识别为破裂的动脉瘤标记为识别错误。本专利技术实施例的第二方面，提供一种基于神经网络的动脉瘤破裂预测装置，包括：获取模块，用于获取血管的3D-DSA图像，基于所述3D-DSA图像获取图像中每个动脉瘤的血管几何形状信息以及血液动力学参数；量化模块，用于对所述血管几何形状信息以及血液动力学参数中分别包括的平均流量参数、动脉瘤流入率、周转时间进行量化；生成模块，用于将量化后的血管几何形状信息、血液动力学参数以及健康检查数据作为神经网络模型的输入，生成动脉瘤破裂预测数据。可选地，在第二方面的一种可能实现方式中，所述神经网络模型包括依次连接的输入层、中间层以及输出层；所述输入层包括16个神经元，其中每个神经元对应一个特征模型；所述中间层包括由32个神经元组成的单个隐藏层；所述血管几何形状信息、血液动力学参数以及健康检查数据分别输入至所述输入层后至所述中间层，所述中间层基于ReLU激活函数输入层输入的数据进行处理后输出至输出层，所述输出层S型函数对中间层输入的数据进行处理得到动脉瘤破裂预测数据。可选地，在第二方面的一种可能实现方式中，所述神经网络模型包括基于以下公式得到动脉瘤破裂预测数据，包括：RIMC＝0.45SRHmax+0.17UI+0.21RRT+0.17(分歧)RIMM＝0.65Hmax+0.16UI+0.19(分歧)其中，RIMc以及RIMm分别为参考信息模型，Hmax为血管最大高度，SRHmax为血管最大高度尺寸比率，UI为起伏指数，UI用于代表动脉瘤表面不规则程度，RRT为相对停留时间。可选地，在第二方面的一种可能实现方式中，获取模块，用于获取动脉瘤的部位信息，基于动脉瘤的部位得到该动脉瘤的破裂频率；标记模块，用于将破裂频率最高的动脉瘤识别标记为已经破裂；识别模块，用于若标记为破裂的动脉瘤和未标记为破裂的动脉瘤处于同一个动脉且频率相同，则将次识别为破裂的动脉瘤标记为识别错误。本专利技术实施例的第三方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本专利技术第一方面及第一方面各种可能设计的所述方法。本专利技术提供的一种基于神经网络的动脉瘤破裂预测方法、装置及存储介质，基于神经网络算法，不仅根据动脉瘤的大小、形状或位置来描绘破裂源，还可以提供更可靠的参数识别。有助于改善多发性动脉瘤患者中IAs破裂的临床鉴定，提高了预测的准确性。附图说明图1为基于神经网络的动脉瘤破裂预测方法的第一种实施方式的流程图；图2为基于神经网络的动脉瘤破裂预测方法的第二种实施方式的流程图；图3为动脉瘤感兴趣区域示意图；图4为RIMC和RIMM的性能示意图；图5为基于神经网络的动脉瘤破裂预测装置的第一种实施方式的流程图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本文档来自技高网...

【技术保护点】
1.一种基于神经网络的动脉瘤破裂预测方法，其特征在于，包括：/n获取血管的3D-DSA图像，基于所述3D-DSA图像获取图像中每个动脉瘤的血管几何形状信息以及血液动力学参数；/n对所述血管几何形状信息以及血液动力学参数中分别包括的平均流量参数、动脉瘤流入率、周转时间进行量化；/n将量化后的血管几何形状信息、血液动力学参数以及健康检查数据作为神经网络模型的输入，得到动脉瘤破裂预测数据。/n

【技术特征摘要】
1.一种基于神经网络的动脉瘤破裂预测方法，其特征在于，包括：
获取血管的3D-DSA图像，基于所述3D-DSA图像获取图像中每个动脉瘤的血管几何形状信息以及血液动力学参数；
对所述血管几何形状信息以及血液动力学参数中分别包括的平均流量参数、动脉瘤流入率、周转时间进行量化；
将量化后的血管几何形状信息、血液动力学参数以及健康检查数据作为神经网络模型的输入，得到动脉瘤破裂预测数据。


2.根据权利要求1所述的动脉瘤破裂预测方法，其特征在于，
所述神经网络模型包括依次连接的输入层、中间层以及输出层；
所述输入层包括16个神经元，其中每个神经元对应一个特征模型；
所述中间层包括由32个神经元组成的单个隐藏层；
所述血管几何形状信息、血液动力学参数以及健康检查数据分别输入至所述输入层后至所述中间层，所述中间层基于ReLU激活函数输入层输入的数据进行处理后输出至输出层，所述输出层S型函数对中间层输入的数据进行处理得到动脉瘤破裂预测数据。


3.根据权利要求1所述的动脉瘤破裂预测方法，其特征在于，
所述神经网络模型包括基于以下公式得到动脉瘤破裂预测数据，包括：
RIMC＝0.45SRHmax+0.17UI+0.21RRT+0.17(分歧)
RIMM＝0.65Hmax+0.16UI+0.19(分歧)
其中，RIMc以及RIMm分别为参考信息模型，Hmax为血管最大高度，SRHmax为血管最大高度尺寸比率，UI为起伏指数，UI用于代表动脉瘤表面不规则程度，RRT为相对停留时间。


4.根据权利要求1所述的动脉瘤破裂预测方法，其特征在于，
所述健康检查数据包括年龄、性别、体重系数、动脉瘤大小、动脉瘤高度、血液相对保留时间、瘤体宽颈与瘤体比、高密度脂蛋白、低密度脂蛋白、壁面剪应力均值、压力均值、丙氨酸转氨酶、吸烟状况、遗传性高血压，遗传性心脏病以及遗传性糖尿病中的任意一种或多种。


5.根据权利要求1所述的动脉瘤破裂预测方法，其特征在于，
获取动脉瘤的部位信息，基于动脉瘤的部位得到该动脉瘤的破裂频率；
将破裂频率最高的动脉瘤识别标记为已经破裂；
若标记为破裂的动脉瘤和未标记为破裂的动脉瘤处于同一个动脉且频率相同，则将次识别...

【专利技术属性】
技术研发人员：马学升，刘伟奇，
申请(专利权)人：昆明同心医联科技有限公司，
类型：发明
国别省市：云南;53