脑血管变化的动静脉节点指标的提取与筛选方法技术

本发明专利技术涉及脑血管疾病预测领域，具体涉及脑血管变化的动静脉节点指标的提取与筛选方法，包括以下步骤：(1)关键血管血流变化特征，(2)提取关键血管血流灌注指标特征，(3)静脉回流特征筛选，(4)静脉回流特征模型验证。本发明专利技术先获取受试者的CTP影像，然后从所述CTP影像提取受试者的多个关键血管点的血流变化特征，根据多个关键血管点的血流变化特征，拟合出多个关键血管点的血流时间密度曲线；根据11根血管相互之间的差值关系，提取249个关键血管血流灌注特征。最终每个病例提取整体血流特征。本发明专利技术通过血流特征指标的建立和提取，量化和了解血流特征对于诊断和预测脑血管疾病的未来风险具有重要意义。风险具有重要意义。风险具有重要意义。

【技术实现步骤摘要】
脑血管变化的动静脉节点指标的提取与筛选方法


[0001]本专利技术涉及脑血管病变化预测领域，具体涉及一种脑血管变化的动静脉节点指标的提取与筛选方法。

技术介绍

[0002]脑血管病是脑血管病变导致脑功能障碍的一类疾病的总称，主要包括血管腔闭塞或狭窄、血管破裂、血管畸形、血管壁损伤或通透性发生改变等各种脑血管病变引发的局限性或弥漫性脑功能障碍，但不包括血流动力学异常等因素导致的全脑缺血或缺氧所引发的弥漫性脑功能障碍。
[0003]脑梗塞、脑血栓、脑溢血是最常见的脑血管疾病。现有的用于治疗脑梗塞、脑溢血等脑血管疾病的药物多为西药，不仅价格昂贵，含有激素，还具有明显的副作用，会对肠胃、肝肾等器官造成损伤，只能缓解病情，无法治愈，不适合长期服用。
[0004]一旦发病后果极其严重。中国近些年每年脑血管疾病的发病人数较多，发病死亡率高，多数来不及去医院。但是如果能够在其发生之前知道，几乎都可以通过及时医治避免其发生，关键是如何能够提前预测其风险。虽然医院关于心血管疾病的检查项目门类齐全，有组织病理、遗传、影像学(CT、核磁和心脏造影)、血液成分等的检查。但这些检查一方面费用高、有创，导致普及率低，另一方面多数情况下脑血管疾病的风险检出率也比较低。
[0005]血流特征的量化很重要，因为这些特征与脑血管疾病的发生和发展密切相关。血流对血管施加各种流体动力，包括压力和摩擦剪切应力。血管壁上的内皮细胞通过调整其形态和增殖来感知和响应这些血流条件。施加在血管壁上的病理性血流情况使在血管中引起炎症损伤，从而促进动脉粥样硬化、主动脉扩张和主动脉瘤的发展，并影响着脑血管疾病的预后。此外，血流还会影响脑血管的斑块的易损性和动脉瘤破裂的风险。
[0006]因此，量化和了解血流特征对于诊断和预测脑血管疾病的未来风险具有重要意义。有鉴于此，本专利技术提出一种脑血管变化的动静脉节点指标的提取与筛选方法。

技术实现思路

[0007]本专利技术的目的在于针对现有技术的不足，提供一种脑血管变化的动静脉节点指标的提取与筛选方法。
[0008]为了解决上述技术问题，采用如下技术方案：
[0009]脑血管变化的动静脉节点指标的提取与筛选方法，其特征在于包括以下步骤：
[0010](1)关键血管血流变化特征：先获取受试者的CTP影像，然后从所述CTP影像提取受试者的多个关键血管点的血流变化特征，根据多个关键血管点的血流变化特征，拟合出多个关键血管点的血流时间密度曲线；
[0011](2)提取关键血管血流灌注指标特征：根据多个所述关键血管点的血流时间密度曲线，计算每根血管的TTP指标、CBF指标和CBV指标，然后进一步提取所述TTP指标、CBF指标和CBV指标在每根所述血管中的差异，针对每个所述所述TTP指标、CBF指标和CBV指标，计算
每根所述血管中的差异特征，由此提取出关键血管血流灌注指标特征；
[0012](3)静脉回流特征筛选：从所述受试者的关键血管血流灌注指标特征筛选提取出静脉回流特征，根据每个所述受试者的静脉回流特征，拟使用非参数训练的稀疏表示分类器建立决策模型，得到静脉回流特征模型，统计明确静脉回流特征对结局的影响。
[0013]进一步，在步骤(1)中，所述关键血管点的血流变化特征包括左右侧的颈内动脉未端、左右侧的大脑中动脉分叉、基底动脉起始处、基底动脉末端、上矢状窦顶点、下矢状窦顶点、下矢状窦与直窦交叉点、窦汇、左右侧的横窦与乙状窦交界处、左右侧的丘纹静脉和大脑内静脉交界处和左右侧的大脑内静脉。
[0014]进一步，在步骤(1)中，根据造影剂通过血管时检测到像素点的变化，拟合出多个关键血管点的血流时间密度曲线。
[0015]进一步，在步骤(3)中，在建立得到所述静脉回流特征模型前，通过对受试者的两次MRI
‑
DWI图像结果进行分割梗塞核心区，获取梗死核心区的体积，将前后两次对比，得到差值作为不同梗塞变化的分组依据，将所述梗塞变化分为梗塞逆转组和梗塞扩大组。
[0016]进一步，在步骤(3)中，拟使用非参数训练的稀疏表示分类器建立决策模型，得到静脉回流特征模型的过程如下：
[0017]首先利用稀疏编码和重构计算待测试样与训练集里每类样本间的距离，然后根据K
‑
邻近准则判断测试样本的类别分类过程具体可表示为：
[0018][0019]其中表示待测样本特征选择后的特征，为训练样本特征集，C为样本总类别数；γ为稀疏表示控制参数；当获得稀疏表示系数后，计算待测试样与训练集里每类样本间的距离，即各类的表示残差：
[0020][0021]其中δ
c
(
·
)表示选择第c类特征对应的系数。残差最小的类别即为测试样本的类别，因此最终待测样本类别为
[0022]进一步，还包括步骤(4)静脉回流特征模型验证：所述静脉回流特征模型建立之后，提取并筛选出受试者的静脉回流特征，纳入所述静脉回流特征模型中进行预测，将预测结果与受试者7
‑
10天的复查的MRI
‑
DWI图像结果进行比较，来评估预测的有效性和准确性。
[0023]由于采用上述技术方案，具有以下有益效果：
[0024]本专利技术为一种脑血管变化的动静脉节点指标的提取与筛选方法，本专利技术先获取受试者的CTP影像，然后从所述CTP影像提取受试者的多个关键血管点的血流变化特征，根据多个关键血管点的血流变化特征，拟合出多个关键血管点的血流时间密度曲线；根据11根血管相互之间的差值关系，提取249个关键血管血流灌注特征。最终每个受试者提取整体血流特征。
[0025]以脑血管疾病的脑梗塞为例，通过对受试者的两次MRI
‑
DWI图像结果进行分割梗塞核心区，获取梗死核心区的体积，将前后两次对比，得到差值为结局分别进行分类，并纳入两次检查的时间因素。分别根据梗死核心区的体积的增减，拟使用非参数训练的稀疏表
示分类器建立决策模型。明确血流因素对结局的影响。同时纳入临床因素进行再次统计，提高预测效能。本专利技术通过血流特征指标的建立和提取，可以准确地预测梗塞核心区变化。提取出的特征因子可以作为预测脑梗塞预后的潜在生物标志物。因此，量化和了解血流特征对于诊断和预测脑血管疾病的未来风险具有重要意义。
附图说明
[0026]下面结合附图对本专利技术作进一步说明：
[0027]图1为本专利技术中一名受试者的各血管关键点的时间密度曲线。。
[0028]图2为本专利技术中受试者的梗塞体积变化趋势的示意图。
[0029]图3为本专利技术中受试者的MRI
‑
DWI图像中的梗塞体积分割图像图。
[0030]图4为本专利技术中静脉回流特征模型的性能数值表达图。
[0031]图5为本专利技术中静脉回流特征模型的ROC曲线最佳阈值点图。
[0032]图6为本专利技术中静脉回流特征模型的性能表达图。
[0033]图7为本专利技术中静脉回流特征模型的对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.脑血管变化的动静脉节点指标的提取与筛选方法，其特征在于包括以下步骤：(1)关键血管血流变化特征：先获取受试者的CTP影像，然后从所述CTP影像提取受试者的多个关键血管点的血流变化特征，根据多个关键血管点的血流变化特征，拟合出多个关键血管点的血流时间密度曲线；(2)提取关键血管血流灌注指标特征：根据多个所述关键血管点的血流时间密度曲线，计算每根血管的TTP指标、CBF指标和CBV指标，然后进一步提取所述TTP指标、CBF指标和CBV指标在每根所述血管中的差异，针对每个所述所述TTP指标、CBF指标和CBV指标，计算每根所述血管中的差异特征，由此提取出关键血管血流灌注指标特征；(3)静脉回流特征筛选：从所述受试者的关键血管血流灌注指标特征筛选提取出静脉回流特征，根据每个所述受试者的静脉回流特征，拟使用非参数训练的稀疏表示分类器建立决策模型，得到静脉回流特征模型，统计明确静脉回流特征对结局的影响。2.根据权利要求1所述的脑血管变化的动静脉节点指标的提取与筛选方法，其特征在于：在步骤(1)中，所述关键血管点的血流变化特征包括左右侧的颈内动脉未端、左右侧的大脑中动脉分叉、基底动脉起始处、基底动脉末端、上矢状窦顶点、下矢状窦顶点、下矢状窦与直窦交叉点、窦汇、左右侧的横窦与乙状窦交界处、左右侧的丘纹静脉和大脑内静脉交界处和左右侧的大脑内静脉。3.根据权利要求1所述的脑血管变化的动静脉节点指标的提取与筛选方法，其特征在于：在步骤(1)中，根据造影剂通过血管时检测到像素点的变化，拟合出多个关键血管点的血流时间密度曲线。4.根据权利要求1所述的脑血...

【专利技术属性】
技术研发人员：林继先，余锦华，吴国庆，丁晶，韩翔，李焕银，张庆梅，赵静，
申请(专利权)人：上海市闵行区中心医院，
类型：发明
国别省市：