基于自监督和语义分割的溶栓疗效预测方法及相关装置制造方法及图纸

本申请公开了一种基于自监督和语义分割的溶栓疗效预测方法及相关装置，所述方法包括基于经过自监督训练的分割特征提取模型，提取待检测的MR图像的分割语义特征；基于通过所述分割特征提取模型确定的分割语义特征模板，在所述分割语义特征中选取有效语义特征；基于所述有效语义特征，确定所述MR图像对应的溶栓疗效预测结果。本申请中的分割特征提取模型通过自监督对作为训练数据的无标注MR图像的学习，从而无需对训练数据进行大量标注，同时又可以提高通过分割特征提取模型提取到的分割语义特征的准确性，从而可以提高溶栓疗效预测的准确性。确性。确性。

【技术实现步骤摘要】
基于自监督和语义分割的溶栓疗效预测方法及相关装置


[0001]本申请涉及生物医学
，特别涉及一种基于自监督和语义分割的溶栓疗效预测方法及相关装置。

技术介绍

[0002]血液在深静脉位置出现异常凝结症状的疾病被称为深静脉血栓(Deep Venous Thrombosis，DVT)。DVT常发生于下肢，是仅次于脑血管以及冠状动脉疾病的第三大心血管疾病，每年的发病率约为1
‰
，且有着逐年上升的趋势。DVT若没有及时就医治疗，大部分会造成血栓形成后遗症，对患者的生活质量有显著消极影响。同时，DVT容易诱发多种并发症，如深静脉血栓形成后综合征或肺栓塞等疾病等。
[0003]目前临床上主要采用溶栓治疗的方式治疗DVT，并采用MR影像以及患者的临床症状来进行DVT的溶栓疗效评估，然后结合评估结果和自身临床经验来选择是否进行溶栓治疗。然而，由于溶栓疗效受个人身体素质、年龄、既往病史、病程等多种因素影响，且患者提供的临床信息较为主观，每个医生之间的临床经验存在差异，从而影响导致溶栓治疗选择出现错误或者偏差。<br/>[0004]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自监督和语义分割的溶栓疗效预测方法，其特征在于，所述方法包括：基于经过自监督训练的分割特征提取模型，提取待检测的MR图像的分割语义特征；基于通过所述分割特征提取模型确定的分割语义特征模板，在所述分割语义特征中选取有效语义特征；基于所述有效语义特征，确定所述MR图像对应的溶栓疗效预测结果。2.根据权利要求1所述的基于自监督和语义分割的溶栓疗效预测方法，其特征在于，所述基于通过所述分割特征提取模型确定的分割语义特征模板，在所述分割语义特征中选取有效语义特征具体包括：采用聚类方式将所述分割语义特征划分为第一特征簇和第二特征簇；分别确定所述第一特征簇与所述分割语义特征模板的第一相似度，以及所述第二特征簇与所述分割语义特征模板的第二相似度；基于所述第一相似度和所述第二相似度在所述第一特征簇和所述第二特征簇中选取有效语义特征，其中，所述有效语义特征为所述第一特征簇或所述第二特征簇。3.根据权利要求1所述的基于自监督和语义分割的溶栓疗效预测方法，其特征在于，所述分割特征提取模型的训练过程具体包括：基于无标注训练集对预设网络模型进行自监督训练，以得到初始分割模型；基于有标注训练集对所述初始分割模型进行训练，得到分割特征提取模型。4.根据权利要求3所述的基于自监督和语义分割的溶栓疗效预测方法，其特征在于，所述基于无标注训练集对预设网络模型进行自监督训练，以得到初始分割模型具体包括：对所述无标注训练集中的无标注MR图像进行图像变换，以得到变换MR图像；将变换MR图像输入预设网络模型，通过预设网络模型确定所述无标注MR图像对应的恢复MR图像；基于所述无标注MR图像与所述恢复MR图像对所述预设网络模型进行训练，以得到初始分割模型。5.根据权利要求1所述的基于自监督和语义分割的溶栓疗效预测方法，其特征在于，所述分割语义特征模板的确定过程具体包括：获取若干携带有下肢深静脉血栓的目标MR图像，并分别将各目标MR图像输入分割特征提取模型，通过所述分割特征提取模型确定各目标MR图像各自对应的目标分割语义特征...

【专利技术属性】
技术研发人员：黄炳升，黄嘉慧，田君如，谢晓彤，黄强泰，吴颖桐，袁程朗，林楚旋，张洪源，罗梓欣，张乃文，邱峥轩，黄芹芹，陈汉威，叶裕丰，黄益，黄晨，贺雪平，郭广源，
申请(专利权)人：深圳大学，
类型：发明
国别省市：