本公开提供一种基于深度学习的推荐栓塞动脉瘤的弹簧圈的方法及装置。所述方法包括：获取动脉瘤的三维医学图像；通过图像处理网络模型获得动脉瘤的识别结果；根据动脉瘤的识别结果，获得动脉瘤的尺寸信息；将动脉瘤的尺寸信息输入决策树模型，获得首发弹簧圈的推荐信息。根据本公开，能够在术前规划选择合适的弹簧圈，达到最佳的动脉瘤瘤内致密填塞，减少错误的选择后导致的动脉瘤残留的可能性。且通过对首发弹簧圈的合理选择，减少血管内操作，避免出现血管痉挛，首发弹簧的合理选择可以减少不必要的手术耗材的浪费，降低医保支出，减轻手术经济负担，提高治疗效果及预后生活质量。提高了动脉瘤介入手术治疗水平。提高了动脉瘤介入手术治疗水平。提高了动脉瘤介入手术治疗水平。
【技术实现步骤摘要】
基于深度学习的推荐栓塞动脉瘤的弹簧圈的方法及装置
[0001]本公开涉及计算机
，尤其涉及一种基于深度学习的推荐栓塞动脉瘤的弹簧圈的方法及装置。
技术介绍
[0002]颅内动脉瘤是导致蛛网膜下腔出血的主要原因，全世界每年有近50万人死于颅内动脉瘤，中国人群发病率约为5％。颅内动脉瘤是指颅内动脉管壁上出现异常膨出，极易诱发蛛网膜下腔出血。目前临床尚未完全明确颅内动脉瘤的发病机制，血管炎、脑动脉硬化以及高血压可能是其危险因素，一旦颅内动脉瘤发生破裂，将给患者的生命安全带来严重威胁。因此，临床加强对颅内破裂动脉瘤的治疗非常重要。
[0003]颅内动脉瘤多由脑部动脉血管异常膨出所致，通常无明显症状，随着瘤体增大可逐渐增大对血管及神经组织压迫作用，引起头晕、视物模糊等症状，若不及时治疗，颅内动脉瘤一旦发生破裂，还可威胁患者生命。目前血管内介入为治疗颅内动脉瘤常用方式，具有入路简单、创伤小等特点，通过弹簧圈栓塞，可减少血流对瘤体血管冲击，促使破裂动脉瘤形成血栓愈合，达到治愈目的。
[0004]因此，基于动脉瘤的血管形态及血流动力学基础，个性化的弹簧圈选择规划是目前神经外科医生面对的临床难题。动脉瘤的复发和栓塞是致密度是密切相关的，栓塞程度的评估通过测定脑血管造影下未充盈区域占动脉瘤腔的比例，最佳的动脉瘤栓塞，应达到囊内致密填塞，但是达到这种致密栓塞需要合理规划手术过程中每个弹簧圈的选择，避免错误的选择后导致的动脉瘤残留。然而，选择适当的弹簧圈进行栓塞存在一定难度。
[0005]公开于本申请
技术介绍
部分的信息仅仅旨在加深对本申请的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
[0006]本公开实施例提供一种基于深度学习的推荐栓塞动脉瘤的弹簧圈的方法及装置。能够通过图像处理网络模型识别动脉瘤，并通过决策树模型获得首发弹簧圈的推荐信息。术前规划选择合适的弹簧圈，达到最佳的动脉瘤瘤内致密填塞，减少错误的选择后导致的动脉瘤残留的可能性。且通过对首发弹簧圈的合理选择，减少血管内操作，避免出现血管痉挛，首发弹簧的合理选择可以减少不必要的手术耗材的浪费，降低医保支出，减轻手术经济负担，提高治疗效果及预后生活质量。提高了动脉瘤介入手术治疗水平。且减少弹簧圈的选择时间和手术的治疗时间，随着弹簧圈的逐渐栓塞，可供选择的弹簧圈会逐渐减少，缩短了麻醉和整体手术的治疗时间，减少了手术时间过长导致肺栓塞、心梗的风险和意外，缩短了住院治疗时间。
[0007]本公开实施例的第一方面，提供一种基于深度学习的推荐栓塞动脉瘤的弹簧圈的方法,包括：获取动脉瘤的三维医学图像；
[0008]通过图像处理网络模型对所述三维医学图像进行处理，获得动脉瘤的识别结果；
[0009]根据所述动脉瘤的识别结果，获得动脉瘤的尺寸信息；
[0010]将所述动脉瘤的尺寸信息，输入决策树模型进行处理，获得首发弹簧圈的推荐信息。
[0011]根据本公开的实施例，所述方法还包括：
[0012]将样本三维医学图像输入所述图像处理网络模型进行处理，获得动脉瘤的预测识别结果；
[0013]根据所述预测识别结果，和所述样本三维医学图像的标注信息，确定所述图像处理网络模型的损失函数；
[0014]根据所述损失函数，训练所述图像处理网络模型，获得训练后的图像处理模型。
[0015]根据本公开的实施例，根据所述预测识别结果，和所述样本三维医学图像的标注信息，确定所述图像处理网络模型的损失函数，包括：
[0016]根据公式获得所述图像处理网络模型的损失函数L，其中，X为所述预测识别结果中动脉瘤所在区域，Y表示所述标注信息中动脉瘤所在区域。
[0017]根据本公开的实施例，根据所述损失函数，训练所述图像处理网络模型，获得训练后的图像处理模型，包括：
[0018]根据公式对所述图像处理模型的参数进行梯度下降处理，获得所述训练后的图像处理模型，其中，L为所述图像处理网络模型的损失函数，ω1
…
ωN为所述图像处理网络模型的N个参数。
[0019]根据本公开的实施例，所述动脉瘤的尺寸信息包括动脉瘤的体积，
[0020]其中，根据所述动脉瘤的识别结果，获得动脉瘤的尺寸信息，包括：
[0021]将所述动脉瘤的识别结果围绕穹顶轴旋转，并在旋转过程中，确定动脉瘤的长度和宽度；
[0022]根据公式确定所述脉瘤的体积IAV，其中，D为动脉瘤的长度，W为动脉瘤的宽度。
[0023]根据本公开的实施例，将所述动脉瘤的识别结果围绕穹顶轴旋转，并在旋转过程中，确定动脉瘤的长度和宽度，包括：
[0024]将所述旋转过程中，动脉瘤所在区域的最大长度确定为所述动脉瘤的长度，并将动脉瘤所在区域的最大宽度确定为所述动脉瘤的宽度。
[0025]根据本公开的实施例，所述动脉瘤的尺寸信息包括动脉瘤的长度、宽度、体积、宽径、横径、高度和瘤颈直径，所述首发弹簧圈的推荐信息包括首发弹簧圈的推荐直径和推荐长度，
[0026]将所述动脉瘤的尺寸信息，输入决策树模型进行处理，获得首发弹簧圈的推荐信息，包括：
[0027]将所述动脉瘤的长度、宽度、体积、宽径、横径、高度和瘤颈直径输入预设的条件映射矩阵，获得决策树条件；
[0028]将所述决策树条件输入所述决策树模型进行处理，获得首发弹簧圈的推荐直径和推荐长度。
[0029]根据本公开的第二方面，提供一种基于深度学习的推荐栓塞动脉瘤的弹簧圈的装置，包括：
[0030]图像获取模块，用于获取动脉瘤的三维医学图像；
[0031]识别模块，用于通过图像处理网络模型对所述三维医学图像进行处理，获得动脉瘤的识别结果；
[0032]尺寸获得模块，用于根据所述动脉瘤的识别结果，获得动脉瘤的尺寸信息；
[0033]推荐模块，用于将所述动脉瘤的尺寸信息，输入决策树模型进行处理，获得首发弹簧圈的推荐信息。
[0034]根据本公开的实施例，所述装置还包括：训练模块，用于将样本三维医学图像输入所述图像处理网络模型进行处理，获得动脉瘤的预测识别结果；
[0035]根据所述预测识别结果，和所述样本三维医学图像的标注信息，确定所述图像处理网络模型的损失函数；
[0036]根据所述损失函数，训练所述图像处理网络模型，获得训练后的图像处理模型。
[0037]根据本公开的实施例，所述训练模块进一步用于：根据公式获得所述图像处理网络模型的损失函数L，其中，X为所述预测识别结果中动脉瘤所在区域，Y表示所述标注信息中动脉瘤所在区域。
[0038]根据本公开的实施例，所述训练模块进一步用于：根据所述损失函数，训练所述图像处理网络模型，获得训练后的图像处理模型，包括：
[0039]根据公式对所述图像处理模型的参数进行梯度下降处理，获得所述训练后的图像处理模型，其中，L为所述图像处理网络模型的损失函数，ω1<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的推荐栓塞动脉瘤的弹簧圈的方法，其特征在于，包括：获取动脉瘤的三维医学图像；通过图像处理网络模型对所述三维医学图像进行处理，获得动脉瘤的识别结果；根据所述动脉瘤的识别结果，获得动脉瘤的尺寸信息；将所述动脉瘤的尺寸信息，输入决策树模型进行处理，获得首发弹簧圈的推荐信息。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：将样本三维医学图像输入所述图像处理网络模型进行处理，获得动脉瘤的预测识别结果；根据所述预测识别结果，和所述样本三维医学图像的标注信息，确定所述图像处理网络模型的损失函数；根据所述损失函数，训练所述图像处理网络模型，获得训练后的图像处理模型。3.根据权利要求2所述的方法，其特征在于，根据所述预测识别结果，和所述样本三维医学图像的标注信息，确定所述图像处理网络模型的损失函数，包括：根据公式获得所述图像处理网络模型的损失函数L，其中，X为所述预测识别结果中动脉瘤所在区域，Y表示所述标注信息中动脉瘤所在区域。4.根据权利要求2所述的方法，其特征在于，根据所述损失函数，训练所述图像处理网络模型，获得训练后的图像处理模型，包括：根据公式对所述图像处理模型的参数进行梯度下降处理，获得所述训练后的图像处理模型，其中，L为所述图像处理网络模型的损失函数，ω1
…
ωN为所述图像处理网络模型的N个参数。5.根据权利要求1所述的方法，其特征在于，所述动脉瘤的尺寸信息包括动脉瘤的体积，其中，根据所述动脉瘤的识别结果，获得动脉瘤的尺寸信息，包括：将所述动脉瘤的识别结果围绕穹顶轴旋转，并在旋转过程中，确定动脉瘤的长度和宽度；根据公式确定所述脉瘤的体积IAV，其中，D为动脉瘤...
【专利技术属性】
技术研发人员：刘伟奇，陈磊，马学升，陈金钢，徐鹏，赵友源，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。