易损斑块检测方法及相关设备技术

本发明专利技术公开了一种易损斑块检测方法及相关设备，涉及医学鉴定领域，主要为解决目前缺少一种准确鉴定出血管壁图像中的易损斑块的方法的问题。该方法包括：基于至少两个试验样本的斑块特征通过平扫加增强3D HRMR

【技术实现步骤摘要】
易损斑块检测方法及相关设备


[0001]本专利技术涉及医学鉴定领域，尤其涉及一种易损斑块检测方法及相关设备。

技术介绍

[0002]动脉粥样硬化是导致脑卒中最常见的原因，其中，易损斑块是指导致患者发生脑卒中事件的斑块，脑卒中患者颅内血管内可能存在多个斑块，那么，找到易损斑块并对其进行治疗对改善预后以及防止脑卒中复发至关重要。
[0003]我们在颈内动脉斑块内观察到的脂肪成分，纤维帽等很难在颅内斑块中观察到，一般来说，HRMR
‑
VWI能很好的显示颈动脉斑块，对于颅内斑块，由于血管较小及临床上疾病的影响，并不是所有的斑块都是典型易辨认的，准确且清晰的显示所有的斑块并对其进行确定诊断仍存在一定的困难，而确定出易损斑块则更加有挑战性。

技术实现思路

[0004]鉴于上述问题，本专利技术提供一种易损斑块检测方法及相关设备，主要目的在于解决目前缺少一种准确鉴定出血管壁图像中的易损斑块的方法的问题。
[0005]为解决上述至少一种技术问题，第一方面，本专利技术提供了一种易损斑块检测方法，该方法包括：
[0006]基于至少两个试验样本的斑块特征通过平扫加增强3D HRMR
‑
VWI图像构建影像组学模型；
[0007]基于传统模型与上述影像组学模型确定融合预测模型；
[0008]基于上述融合预测模型确定目标样本的易损斑块。
[0009]可选的，上述方法还包括：
[0010]获取至少两个试验样本的图像数据，其中，上述图像数据包括增强前和增强后的高分辨率核磁共振成像。
[0011]可选的，上述方法还包括：
[0012]基于上述图像数据确定斑块信息，
[0013]其中，上述斑块信息包括：斑块直径，最小管腔面积，斑块内出血，最小管腔直径，狭窄率，斑块负荷，强化率和重塑指数。
[0014]可选的，上述方法还包括：
[0015]基于至少两个试验样本的斑块特征和危险因素构建传统模型，其中，上述危险因素用于表征易导致易损斑块出现的因素。
[0016]可选的，上述基于上述融合预测模型确定目标样本的易损斑块，包括：
[0017]基于上述融合预测模型和上述目标样本的危险因素确定目标样本的易损斑块。
[0018]可选的，上述基于上述融合预测模型和上述目标样本的危险因素确定目标样本的易损斑块，包括：
[0019]获取目标样本的斑块特征和危险因素；
[0020]基于上述目标样本的斑块特征和危险因素通过上述融合预测模型确定评估参数；
[0021]基于上述评估参数确定易损斑块。
[0022]可选的，上述基于上述融合预测模型确定目标样本的易损斑块，包括：
[0023]将上述评估参数满足预设条件的斑块确定为上述易损斑块，
[0024]其中，上述评估参数包括：AUC、敏感度，特异度，准确度、阴性预测值和阳性预测值。
[0025]第二方面，本专利技术实施例还提供了一种易损斑块检测装置，包括：
[0026]构建单元，用于基于至少两个试验样本的斑块特征通过平扫加增强3DHRMR
‑
VWI图像构建影像组学模型；
[0027]确定单元，基于传统模型与上述影像组学模型确定融合预测模型；
[0028]第二确定单元，用于上述融合预测模型确定目标样本的易损斑块。
[0029]为了实现上述目的，根据本专利技术的第三方面，提供了一种计算机可读存储介质，上述计算机可读存储介质包括存储的程序，其中，在上述程序被处理器执行时实现上述的易损斑块检测方法的步骤。
[0030]为了实现上述目的，根据本专利技术的第四方面，提供了一种电子设备，包括至少一个处理器、以及与上述处理器连接的至少一个存储器；其中，上述处理器用于调用上述存储器中的程序指令，执行上述的易损斑块检测方法的步骤。
[0031]借由上述技术方案，本专利技术提供的易损斑块检测方法及相关设备，对于目前缺少一种准确鉴定出血管壁图像中的易损斑块的方法的问题，本专利技术通过基于至少两个试验样本的斑块特征通过平扫加增强3D HRMR
‑
VWI图像构建影像组学模型；基于传统模型与上述影像组学模型确定融合预测模型；基于上述融合预测模型确定目标样本的易损斑块。在上述方案中，将斑块分割出来，从影像图像中高通量提取大量图像特征，可以检测人眼看不到的海量信息。基于3D的序列，采用影像组学的方法，在增强前后的3D HRMR
‑
VWI上，将传统模型与上述影像组学模型融合以评估大脑中动脉易损斑块与非易损斑块在影像组学中差异，从而更精准的评估易损斑块。
[0032]相应地，本专利技术实施例提供的易损斑块检测装置、设备和计算机可读存储介质，也同样具有上述技术效果。
[0033]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0034]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0035]图1示出了本专利技术实施例提供的一种易损斑块检测方法的流程示意图；
[0036]图2示出了本专利技术实施例提供的一种易损斑块检测装置的组成示意框图；
[0037]图3示出了本专利技术实施例提供的一种易损斑块检测电子设备的组成示意框图。
具体实施方式
[0038]下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。
[0039]为了解决目前缺少一种准确鉴定出血管壁图像中的易损斑块的方法的问题，本专利技术实施例提供了一种易损斑块检测方法，如图1所示，该方法包括：
[0040]S101、基于至少两个试验样本的斑块特征通过平扫加增强3D HRMR
‑
VWI图像构建影像组学模型；
[0041]示例性的，在ITK snap软件中勾画斑块，分别导入增强前后的3D HRMR
‑
VWI到ITK SNAP中，勾画并提取整个斑块的ROI。
[0042]示例性的，XGB模型是新兴的建模方法，XGB的核心思想是以分类与回归树(classification and regression tree,CART)为基础分类器，通过迭代处理方式降低真实值与预测值之间的残差损失，以降低残差损失为目标沿着梯度方向进行优化，从而不断分裂特征进行树的生长。
[0043]示例性的，本方法使用PyRadiomics分别从增强本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种易损斑块检测方法，其特征在于，包括：基于至少两个试验样本的斑块特征通过平扫加增强3D HRMR
‑
VWI图像构建影像组学模型；基于传统模型与所述影像组学模型确定融合预测模型；基于所述融合预测模型确定目标样本的易损斑块。2.根据权利要求1所述的方法，其特征在于，还包括：获取至少两个试验样本的图像数据，其中，所述图像数据包括增强前和增强后的高分辨率核磁共振成像。3.根据权利要求2所述的方法，其特征在于，还包括：基于所述图像数据确定斑块信息，其中，所述斑块信息包括：斑块直径，最小管腔面积，斑块内出血，最小管腔直径，狭窄率，斑块负荷，强化率和重塑指数。4.根据权利要求1所述的方法，其特征在于，还包括：基于至少两个试验样本的斑块特征和危险因素构建传统模型，其中，所述危险因素用于表征易导致易损斑块出现的因素。5.根据权利要求1所述的方法，其特征在于，所述基于所述融合预测模型确定目标样本的易损斑块，包括：基于所述融合预测模型和所述目标样本的危险因素确定目标样本的易损斑块。6.根据权利要求5所述的方法，其特征在于，所述基于所述融合预测模型和所述目标样本的危险因素确定目标样本的易损斑块，包括：获取目标样本的斑块...

【专利技术属性】
技术研发人员：朱文珍，张归玲，周铱然，李元昊，朱虹全，张顺，
申请(专利权)人：华中科技大学同济医学院附属同济医院，
类型：发明
国别省市：