一种脑卒中分析系统、分析方法和计算机可读存储介质技术方案

本发明专利技术提供一种脑卒中分析系统，分析方法和计算机可读存储介质。脑卒中系统包括数据获取模块，被配置为获取患者头部的CT平扫图像数据和CTA图像数据；图像特征提取与量化模块，被配置为基于所述患者头部的CT平扫图像数据和CTA图像数据确定感兴趣区的目标特征信息；分析模块，被配置为将所述患者的临床检查数据和所述目标特征信息输入训练完成的脑卒中病因分析模型，输出所述患者的脑卒中病因。本发明专利技术可以基于CT影像特征直接预测脑卒中病因。可以基于CT影像特征直接预测脑卒中病因。可以基于CT影像特征直接预测脑卒中病因。

【技术实现步骤摘要】
一种脑卒中分析系统、分析方法和计算机可读存储介质


[0001]本专利技术涉及医疗
，特别涉及一种脑卒中分析系统、分析方法和计算机可读存储介质。

技术介绍

[0002]急性缺血性脑卒中具有高发病率、高致残率及高病死率的特点。缺血性卒中的五分之一是来源不明的栓塞性卒中。其理论原因可分为心源性栓塞和非心源性栓塞，这一来源鉴别对急性缺血性脑卒中患者的治疗方案选择具有重要的意义。研究发现心源性血栓患者的侧支循环显影较非心源性患者差，心源性来源的血栓比非心源性来源的血栓更难祛除，在手术过程中血运重建反应更差。入院检查及时准确判断卒中来源的能力，将极大地帮助神经介入医生在术前制定治疗策略并部署合适的设备，为早期联合治疗做好准备。同时，不同卒中来源的患者术后转归情况也存在差异，来源的确认将为患者是否需要采取二次治疗防护提供有力证据。目前临床可靠的卒中来源鉴别方法是血栓病理分析，但面临的难点是急性缺血性脑卒中情况紧急需要快速进入鉴别治疗而难以进行术前病理验证，来源鉴别只能依赖于繁琐的临床检查和参差不齐的主诉病史信息，很难实现快速、准确、可量化的鉴别。因此，亟需一套基于临床和影像信息可自动实现量化卒中发病机制诊断系统，以期实现更快速精准的智能术前评估。
[0003]近年来，研究通过在急性缺血性脑卒中患者的CT影像上提取如血栓长度、血栓密度以及血栓的渗透性等特征，揭示了它们与血管再通率及治疗结局有潜在的相关性，表明血栓影像特征的重要价值，但目前尚无基于更深入的血栓CT影像特征直接预测卒中来源的技术，缺乏基于影像分析卒中发病机制的研究。

技术实现思路

[0004]本专利技术提供一种脑卒中分析系统、分析方法和计算机可读存储介质，可以基于CT影像特征直接预测脑卒中病因。
[0005]本专利技术实施例提供一种脑卒中分析系统，包括：数据获取模块，被配置为获取患者头部的CT平扫图像数据和CTA图像数据；图像特征提取与量化模块，被配置为基于所述患者头部的CT平扫图像数据和CTA图像数据确定感兴趣区的目标特征信息；分析模块，被配置为将所述患者的临床检查数据和所述目标特征信息输入训练完成的脑卒中病因分析模型，输出所述患者的脑卒中病因。
[0006]脑卒中病因为心源性卒中和非心源性卒中的任意一个。
[0007]在一些实施例中，感兴趣区为所述患者头部中的阻碍血流流动的栓块；所述感兴趣区的目标特征信息包括以下特征的至少一个：栓块的形状特征、栓块的灰度值分布特征、栓块的纹理特征。
[0008]在一些实施例中，图像特征提取与量化模块包括训练完成的图像特征提取与量化分析模型；将所述患者的CT平扫图像数据和CTA图像数据输入至所述训练完成的所述图像
特征与量化分析模型，输出所述患者的感兴趣区的目标特征信息。
[0009]在一些实施例中，将所述患者的临床检查数据输入至所述训练完成的所述图像特征与量化分析模型；所述临床检查数据包括以下数据的至少一个：年龄、脑卒中引起的功能损害程度、疾病风险因素。
[0010]在一些实施例中，在确定感兴趣区的目标特征信息前，完成对所述图像特征与量化分析模型的训练；所述图像特征与量化分析模型的训练过程包括：获取多组图像数据，多组图像数据包括头部CT平扫图像数据和头部CTA图像数据，其中每组头部CT平扫图像数据和头部CTA图像数据来自于相同患者；将多组图像数据中的每组图像数据分别配准，获得多组配准图像数据，在所述配准图像数据上确定所述感兴趣区；获取所述感兴趣区的特征信息；对所述特征信息进行筛选，获得目标特征信息；将所述每组图像数据和所述目标特征信息作为训练数据集，对所述图像特征与量化分析模型进行训练。
[0011]在一些实施例中，将多组图像数据中的每组图像数据分别配准，获得多组配准图像数据，在所述配准图像数据上确定所述感兴趣区之前，还包括：获取与所述每组头部CT平扫图像数据和头部CTA图像数据分别来自于相同患者的头部DSA图像数据；将各所述头部DSA图像数据与对应患者的头部CTA图像数据的最大密度投影图像进行配准；确定所述各头部DSA图像上的感兴趣区域，并据此确定所述配准图像数据上的所述感兴趣区。
[0012]本专利技术还提供一种脑卒中分析方法，包括：获取患者头部的CT平扫图像数据和CTA图像数据；基于所述患者头部的CT平扫图像数据和CTA图像数据确定感兴趣区的目标特征信息；将所述患者的临床检查数据和所述目标特征信息输入训练完成的脑卒中病因分析模型，输出所述患者的脑卒中病因。
[0013]在一些实施例中，所述脑卒中病因包括心源性卒中和非心源性卒中。
[0014]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，包括：所述计算机程序被处理器执行时实现如前所述的方法。
[0015]与现有技术相比，本专利技术实施例的技术方案具有以下有益效果：提供一种全自动基于CT影像特征直接预测脑卒中病因，快速预测患者为心源性卒中还是非心源性卒中，填补此项技术的空白，辅助临床医生更精准对急性脑卒中患者进行诊疗方案的制定。
附图说明
[0016]图1是本专利技术实施例提供的脑卒中分析系统的结构示意图；
[0017]图2是本专利技术实施例提供的脑卒中分析方法的流程示意图；
[0018]图3是本专利技术实施例提供的脑卒中病因分析模型训练方法；
[0019]图4是本专利技术实施例提供的一种计算机设备。
具体实施方式
[0020]为了更清楚的说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似场景。除非从语言环境中显而易见或另作说明，途中相同符号代表相同结构或操作。
[0021]应当理解，本文使用的“装置”、“单元”、“系统”是用于区分不同的组件、元件、部件、部分或装配的一种方法，然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
[0022]如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”等词并非特指单数，也可包括复数。一般来说，术语“包括“与”包含“仅提示包括已明确标识的步骤或元素，而这些步骤或元素不构成一个排他性的罗列，方法或者装置也可能包含其他的步骤或元素。
[0023]本申请中使用了流程图来说明本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒叙或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程中移除某一步或多步操作。
[0024]实施例一
[0025]本实施例提供一种脑卒中分析系统，请参见图1、图3，其示意性地给出了本实施例提供的医学图像分析系统的结构示意图。从图1中可以看出，本实施例提供的医学图像分析系统包括：数据获取模块S101、图像特征提取与量化模块S102、分析模块S103本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑卒中分析系统，其特征在于，包括：数据获取模块，被配置为获取患者头部的CT平扫图像数据和CTA图像数据；图像特征提取与量化模块，被配置为基于所述患者头部的CT平扫图像数据和CTA图像数据确定感兴趣区的目标特征信息；分析模块，被配置为将所述患者的临床检查数据和所述目标特征信息输入训练完成的脑卒中病因分析模型，输出所述患者的脑卒中病因。2.根据权利要求1所述的脑卒中分析系统，其特征在于，所述脑卒中病因为心源性卒中和非心源性卒中任意一个。3.根据权利要求1所述的脑卒中分析系统，其特征在于，所述感兴趣区为所述患者头部中的阻碍血流流动的栓块；所述感兴趣区的目标特征信息包括以下特征的至少一个：栓块的形状特征、栓块的灰度值分布特征、栓块的纹理特征。4.根据权利要求3所述的脑卒中分析系统，其特征在于，所述图像特征提取与量化模块包括训练完成的图像特征提取与量化分析模型；将所述患者的CT平扫图像数据和CTA图像数据输入至所述训练完成的所述图像特征与量化分析模型，输出所述患者的感兴趣区的目标特征信息。5.根据权利要求4所述的脑卒中分析系统，其特征在于，还包括：将所述患者的临床检查数据输入至所述训练完成的所述图像特征与量化分析模型；所述临床检查数据包括以下数据的至少一个：年龄、脑卒中引起的功能损害程度、疾病风险因素。6.根据权利要求5所述的脑卒中分析系统，其特征在于，在确定感兴趣区的目标特征信息前，完成对所述图像特征与量化分析模型的训练；所述图像特征与量化分析模型的训练过程包括：获取多组图像数据，多组图像数据包括头部CT平扫图像数据和头部...

【专利技术属性】
技术研发人员：李跃华，潘海滨，姚婷婷，韦建雍，魏小二，王丹，
申请(专利权)人：上海市第六人民医院，
类型：发明
国别省市：