脑灌注状态分类装置、方法、设备及模型训练装置制造方法及图纸

本申请公开了脑灌注状态分类装置、方法、设备及模型训练装置。该装置中，收发模块，用于接收来自不同数据采集设备的生理特征数据；处理器，用于提取生理特征数据中的生理特征；将生理特征输入随机森林模型中，以使随机森林模型中的多个决策树预测出生理特征对应的脑灌注状态类型；基于生理特征对应的脑灌注状态类型对脑灌注状态进行分类。通过该装置，不仅无需使用大型检查设备即可对脑灌注状态进行分类，大大降低脑灌注状态分类的实现难度，拓展脑灌注状态分类的应用场景；并通过随机森林模型还可融合更多生理特征，以更加准确地区分各种脑灌注状态，提高脑血流及脑功能评估结果的准确性，辅助医生完成脑部检查。辅助医生完成脑部检查。辅助医生完成脑部检查。

【技术实现步骤摘要】
脑灌注状态分类装置、方法、设备及模型训练装置


[0001]本申请属于计算机
，尤其涉及脑灌注状态分类装置、方法、设备及模型训练装置。

技术介绍

[0002]脑灌注成像技术主要用于反映脑组织的血流灌注状态。相关技术中，多采用电子计算机断层扫描(Computed Tomography，CT)、核磁共振成像(Magnetic Resonance Imaging，MRI)等大型设备进行检查，然后根据检查结果进行脑血流及脑功能状态的评估。
[0003]但是，相关技术中检查设备的操作复杂，而且往往体积较大，难以适应一些特殊场景，例如航天场景、户外急救场景等。因此，有待提出一种新的解决方案。

技术实现思路

[0004]有鉴于此，本申请提供一种解决或部分解决上述技术问题的脑灌注状态分类装置、方法、设备及模型训练装置。
[0005]第一方面，本申请实施例提供一种脑灌注状态分类装置，该装置包括：
[0006]收发模块，用于接收来自不同数据采集设备的生理特征数据，其中，生理特征数据包括生理指标数据、颈部血流数据、脑部血流数据中的至少一种；
[0007]处理器，用于提取生理特征数据中的生理特征；将生理特征输入随机森林模型中，以使随机森林模型中的多个决策树预测出生理特征对应的脑灌注状态类型；基于生理特征对应的脑灌注状态类型对脑灌注状态进行分类。
[0008]第二方面，本申请实施例提供一种脑灌注状态分类方法，方法包括：
[0009]接收来自不同数据采集设备的生理特征数据，其中，生理特征数据包括生理指标数据、颈部血流数据、脑部血流数据中的至少一种；
[0010]提取生理特征数据中的生理特征；
[0011]将生理特征输入随机森林模型中，以使随机森林模型中的多个决策树预测出生理特征对应的脑灌注状态类型；
[0012]基于生理特征对应的脑灌注状态类型对脑灌注状态进行分类。
[0013]第三方面，本申请实施例提供一种脑灌注状态分类模型的训练装置，包括：
[0014]收发模块，用于接收来自不同数据采集设备的生理特征数据样本，其中，生理特征数据样本包括生理指标数据样本、颈部血流数据样本、脑部血流数据样本中的至少一种；
[0015]处理器，用于提取生理特征数据样本中的生理特征样本；将生理特征样本输入到随机森林模型中，以使随机森林模型中的多个决策树预测出生理特征样本对应的脑灌注状态类型；
[0016]处理器，还用于基于随机森林模型预测出的脑灌注状态类型、以及预先标注的生理特征数据样本与脑灌注状态类型样本的映射关系，调整随机森林模型，以使调整后的随机森林模型输出的脑灌注状态类型与脑灌注状态类型样本一致。
[0017]第四方面，本申请实施例提供一种脑灌注状态分类模型的训练方法，包括：
[0018]接收来自不同数据采集设备的生理特征数据样本，其中，生理特征数据样本包括生理指标数据样本、颈部血流数据样本、脑部血流数据样本中的至少一种；
[0019]提取生理特征数据样本中的生理特征样本；
[0020]将生理特征样本输入到随机森林模型中，以使随机森林模型中的多个决策树预测出生理特征样本对应的脑灌注状态类型；
[0021]基于预测出的脑灌注状态类型、以及预先标注的生理特征数据样本与脑灌注状态类型样本的映射关系，调整随机森林模型，以使调整后的随机森林模型输出的脑灌注状态类型与脑灌注状态类型样本一致。
[0022]第五方面，本申请实施例提供一种电子设备，包括：存储器及处理器；其中，
[0023]存储器，用于存储程序；
[0024]处理器，与存储器耦合，用于执行存储器中存储的程序，以用于：
[0025]接收来自不同数据采集设备的生理特征数据，其中，生理特征数据包括生理指标数据、颈部血流数据、脑部血流数据中的至少一种；
[0026]提取生理特征数据中的生理特征；
[0027]将生理特征输入随机森林模型中，以使随机森林模型中的多个决策树预测出生理特征对应的脑灌注状态类型；
[0028]基于生理特征对应的脑灌注状态类型对脑灌注状态进行分类。
[0029]第六方面，本申请实施例提供一种计算机存储介质，用于储存计算机程序，计算机程序使计算机执行时实现如下方法：
[0030]接收来自不同数据采集设备的生理特征数据，其中，生理特征数据包括生理指标数据、颈部血流数据、脑部血流数据中的至少一种；
[0031]提取生理特征数据中的生理特征；
[0032]将生理特征输入随机森林模型中，以使随机森林模型中的多个决策树预测出生理特征对应的脑灌注状态类型；
[0033]基于生理特征对应的脑灌注状态类型对脑灌注状态进行分类。
[0034]本申请实施例提供的方案通过收发模块，接收来自不同数据采集设备的生理特征数据，例如生理指标数据、颈部血流数据、脑部血流数据。进而，通过处理器，提取生理特征数据中的生理特征；将提取出的生理特征输入随机森林模型中，以使该随机森林模型中的多个决策树预测出生理特征对应的脑灌注状态类型；基于生理特征对应的脑灌注状态类型对脑灌注状态进行分类。
[0035]本申请技术方案中，通过将多种生理特征输入到随机森林(Random Forest，RF)模型，使该随机森林模型中的多个决策树预测出多种生理特征对应的脑灌注状态类型，实现对脑灌注状态的分类，从而，无需使用大型检查设备即可对脑灌注状态进行分类，大大降低脑灌注状态分类的实现难度，拓展脑灌注状态分类的应用场景(例如航天场景、户外急救场景等)。并且，通过随机森林模型还可融合更多生理特征，以更加准确地区分各种脑灌注状态，提高脑血流及脑功能评估结果的准确性，辅助医生完成脑部检查。
附图说明
[0036]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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。在附图中：
[0037]图1为本申请实施例提供的一种脑灌注状态分类装置的结构示意图；
[0038]图2为本申请实施例提供的一种脑灌注状态分类方法的流程示意图；
[0039]图3为本申请实施例提供的一种脑灌注状态分类模型训练装置的结构示意图；
[0040]图4为本申请实施例提供的一种脑灌注状态分类模型训练方法的流程示意图；
[0041]图5为本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0042]在介绍本申请各实施例提供的技术方案之前，先对本文中涉及到专有名词进行简单的介绍。
[0043]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑灌注状态分类装置，其特征在于，所述装置包括：收发模块，用于接收来自不同数据采集设备的生理特征数据，其中，所述生理特征数据包括生理指标数据、颈部血流数据、脑部血流数据中的至少一种；处理器，用于提取所述生理特征数据中的生理特征；将所述生理特征输入随机森林模型中，以使所述随机森林模型中的多个决策树预测出所述生理特征对应的脑灌注状态类型；基于所述生理特征对应的脑灌注状态类型对脑灌注状态进行分类。2.根据权利要求1所述的装置，其特征在于，所述脑部血流数据包括脑部磁共振数据，所述脑部磁共振数据包括动脉自旋标记示踪ASL数据以及定量磁敏感成像QSM数据；所述处理器提取所述生理特征数据中的生理特征时，具体用于：基于所述生理指标数据提取对应的年龄、性别、血压、心率、体温、血氧饱和度；基于所述颈部血流数据提取对应的收缩峰值血流速度、舒张末期血流速度、平均血流速度、阻力指数、搏动指数、收缩/舒张比值；基于ASL数据以及QSM数据提取对应的脑部血流动力学参数，其中所述脑部血流动力学参数包括脑血流量CBF和脑氧代谢参数；以所述生理指标数据、所述颈部血流数据、所述ASL数据以及所述QSM数据中提取出的多种生理特征，作为所述随机森林模型的输入特征。3.根据权利要求1所述的装置，其特征在于，所述处理器将所述生理特征输入随机森林模型中，以使所述随机森林模型中的多个决策树预测出所述生理特征对应的脑灌注状态类型时，具体用于：将所述生理特征输入所述随机森林模型中；对所述生理特征进行特征筛选，以得到所述随机森林模型的特征子集；通过所述多个决策树基于所述特征子集分别得到多个待选脑灌注状态类型；通过所述多个决策树基于多个待选脑灌注状态类型进行投票决策，得到多个投票结果；以所述多个投票结果中票数最多的待选脑灌注状态类型作为所述随机森林模型最终输出的预测结果。4.根据权利要求1所述的装置，其特征在于，所述处理器对所述生理特征进行特征筛选，以得到所述随机森林模型的特征子集时，具体用于：获取在预设脑灌注状态类型下多种生理特征对所述随机森林模型的特征重要性；基于所述特征重要性对多种生理特征与所述预设脑灌注状态类型的相关性进行排序；根据排序结果筛选出与所述预设脑灌注状态类型最相关的生理特征作为所述随机森林模型的特征子集。5.根据权利要求4所述的装置，其特征在于，所述生理特征数据包括在不同类型脑灌注状态下采集到的生理特征数据样本；所述处理器还用于：标注各个生理特征数据样本对应的脑灌注状态类型。6.根据权利要求4所述的装置，其特征在于，获取所述特征重要性的方法，包括：基尼指数法、频数统计法、平均精度下降法中的至少一种。7.根据权利要求4所述的装置，其特征在于，所述处理器获取在预设脑灌注状态类型下
多种生理特征对所述随机森林模型的特征重要性时，具体用于：对于所述预设类型脑灌注状态下采集到的每一生理特征数据样本，计算所述每一生理特征数据样本中的生理特征对所述随机森林模型中每一决策树的基尼指数，以得到每...

【专利技术属性】
技术研发人员：王振常，郑伟，吕晗，任鹏玲，罗德红，蔡林坤，刘雅文，尹红霞，赵鹏飞，李静，刘冬，赵二伟，张婷婷，
申请(专利权)人：首都医科大学附属北京友谊医院，
类型：发明
国别省市：