斑块的评估方法、系统、电子设备和介质技术方案

本发明专利技术公开了一种斑块的评估方法、系统、电子设备和介质，其中斑块的评估方法包括获取医学图像，医学图像包括斑块区域以及血管区域；获取斑块区域对应的第一评估特征，获取血管区域对应的第二评估特征；基于第一评估特征、第二评估特征和预训练的目标斑块评估模型，确定与医学图像对应的第一斑块评估结果，将图像处理和机器学习的理论应用于医疗图像的斑块评估上，另外，不仅考虑多模态的影像数据，也考虑病人的各种生理病理因素，即采用多特征评估的方式，使得整体评估速度快且准确率高。高。高。

【技术实现步骤摘要】
斑块的评估方法、系统、电子设备和介质


[0001]本专利技术涉及医学图像分析
，特别是涉及一种斑块的评估方法、系统、电子设备和介质。

技术介绍

[0002]近年来，脑血管疾病的发病率和死亡率正逐年增加，逐步成为了最主要的致死原因之一，虽然临床上的表现可能是卒中，但根源都是动脉粥样硬化导致。动脉粥样硬化会导致脑部功能区供血异常，不及时的诊断治疗会严重影响患者的身体情况和后续生活质量，甚至可能致命。及早干预及早治疗能够比较有效的减少该类事件的发生率。
[0003]目前对于血管斑块易损性的判断方式基本都是医生通过读片的方式来进行判断，这种完全依赖于人工的处理方式会比较繁琐，效率较低，而且不可重复，严重依赖于诊断医生的阅片经验；另外虽然也有少部分研究是基于自动算法来辅助判断斑块易损性，但是这类算法大部分只依赖于影像数据，未结合病人实际情况，导致模型算法依赖的数据信息有限，使得对斑块的进展评估不准确。

技术实现思路

[0004]本专利技术要解决的技术问题是为了克服现有技术中的上述缺陷，提供一种斑块的评估方法、系统、电子设备和介质。
[0005]本专利技术是通过下述技术方案来解决上述技术问题：
[0006]本专利技术提供一种斑块的评估系统，所述评估系统包括：
[0007]医学图像获取模块，获取医学图像，所述医学图像包括斑块区域以及血管区域；
[0008]评估特征获取模块，获取所述斑块区域对应的第一评估特征，获取所述血管区域对应的第二评估特征；
[0009]评估结果输出模块，基于所述第一评估特征、所述第二评估特征和预训练的目标斑块评估模型，确定与所述医学图像对应的第一斑块评估结果。
[0010]较佳地，所述评估特征获取模块，获取与所述医学图像对应用户的病理参数，并将所述病理参数作为第三评估特征；
[0011]所述评估结果输出模块，基于所述第一评估特征、所述第二评估特征、所述第三评估特征和预训练的所述目标斑块评估模型，确定与所述医学图像对应的第二斑块评估结果。
[0012]较佳地，所述评估特征获取模块，基于预训练的第一卷积神经网络模型对所述斑块区域中的斑块进行分割，输出与所述斑块区域相对应的斑块；
[0013]获取与所述斑块对应的特征参数并作为所述第一评估特征。
[0014]较佳地，所述评估特征获取模块，基于预训练的第二卷积神经网络模型对所述血管区域进行动脉段识别，并将识别结果编码后作为所述第二评估特征。
[0015]较佳地，所述评估特征获取模块，获取与所述医学图像对应用户的实际病理特征；
[0016]基于预设病理表将所述实际病理特征编码为所述病理参数。
[0017]较佳地，所述评估特征获取模块，获取与所述医学图像对应用户的脑部灌注特征、下肢血管斑块特征、冠脉斑块特征、头颈血管特征中的至少一种作为第四评估特征；
[0018]所述评估结果输出模块，基于所述第一评估特征、所述第二评估特征、所述第三评估特征、所述四评估特征和预训练的所述目标斑块评估模型，确定与所述医学图像对应的第三斑块评估结果。
[0019]较佳地，所述目标斑块评估模型的训练步骤包括：
[0020]将所述第一评估特征对应的多序列斑块数据、所述第二评估特征对应的血管数据和/或所述第三评估特征对应的病理数据和/或所述第四评估特征对应的特征数据作为训练数据；
[0021]将所述训练数据输入至全连接网络模型中进行训练，以得到所述目标斑块评估模型。
[0022]本专利技术还提供一种斑块的评估方法，所述评估方法利用如上所述的斑块的评估系统实现，所述方法包括：
[0023]获取医学图像，所述医学图像包括斑块区域以及血管区域；
[0024]获取所述斑块区域对应的第一评估特征，获取所述血管区域对应的第二评估特征；
[0025]基于所述第一评估特征、所述第二评估特征和预训练的目标斑块评估模型，确定与所述医学图像对应的第一斑块评估结果。
[0026]较佳地，所述评估方法还包括：
[0027]获取与所述医学图像对应用户的病理参数，并将所述病理参数作为第三评估特征；
[0028]基于所述第一评估特征、所述第二评估特征、所述第三评估特征和预训练的所述目标斑块评估模型，确定与所述医学图像对应的第二斑块评估结果。
[0029]较佳地，所述获取所述斑块区域对应的第一评估特征，包括：
[0030]基于预训练的第一卷积神经网络模型对所述斑块区域中的斑块进行分割，输出与所述斑块区域相对应的斑块；
[0031]获取与所述斑块对应的特征参数并作为所述第一评估特征。
[0032]较佳地，所述获取所述血管区域对应的第二评估特征，包括：
[0033]基于预训练的第二卷积神经网络模型对所述血管区域进行动脉段识别，并将识别结果编码后作为所述第二评估特征。
[0034]较佳地，所述获取与所述医学图像对应用户的病理参数，包括：
[0035]获取与所述医学图像对应用户的实际病理特征；
[0036]基于预设病理表将所述实际病理特征编码为所述病理参数。
[0037]较佳地，所述评估方法还包括：
[0038]获取与所述医学图像对应用户的脑部灌注特征、下肢血管斑块特征、冠脉斑块特征、头颈血管特征中的至少一种作为第四评估特征；
[0039]基于所述第一评估特征、所述第二评估特征、所述第三评估特征、所述四评估特征和预训练的所述目标斑块评估模型，确定与所述医学图像对应的第三斑块评估结果。
[0040]较佳地，所述目标斑块评估模型的训练步骤包括：
[0041]将所述第一评估特征对应的多序列斑块数据、所述第二评估特征对应的血管数据和/或所述第三评估特征对应的病理数据和/或所述第四评估特征对应的特征数据作为训练数据；
[0042]将所述训练数据输入至全连接网络模型中进行训练，以得到所述目标斑块评估模型。
[0043]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序，所述处理器执行计算机程序时实现如上所述的斑块的评估方法。
[0044]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的斑块的评估方法。
[0045]在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本专利技术各较佳实例。
[0046]本专利技术的积极进步效果在于：通过获取医学图像，医学图像包括斑块区域以及血管区域；获取斑块区域对应的第一评估特征，获取血管区域对应的第二评估特征；基于第一评估特征、第二评估特征和预训练的目标斑块评估模型，确定与医学图像对应的第一斑块评估结果，将图像处理和机器学习的理论应用于医疗图像的斑块评估上，另外，不仅考虑多模态的影像数据，也考虑病人的各种生理病理因素，即采用多特征评估的方式，使得整体评估速度快且准确率高。
附图说明
[0047]图1为本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种斑块的评估系统，其特征在于，所述评估系统包括：医学图像获取模块，获取医学图像，所述医学图像包括斑块区域以及血管区域；评估特征获取模块，获取所述斑块区域对应的第一评估特征，获取所述血管区域对应的第二评估特征；评估结果输出模块，基于所述第一评估特征、所述第二评估特征和预训练的目标斑块评估模型，确定与所述医学图像对应的第一斑块评估结果。2.如权利要求1所述的斑块的评估系统，其特征在于，所述评估特征获取模块，获取与所述医学图像对应用户的病理参数，并将所述病理参数作为第三评估特征；所述评估结果输出模块，基于所述第一评估特征、所述第二评估特征、所述第三评估特征和预训练的所述目标斑块评估模型，确定与所述医学图像对应的第二斑块评估结果。3.如权利要求1或2所述的斑块的评估系统，其特征在于，所述评估特征获取模块，基于预训练的第一卷积神经网络模型对所述斑块区域中的斑块进行分割，输出与所述斑块区域相对应的斑块；获取与所述斑块对应的特征参数并作为所述第一评估特征。4.如权利要求1或2所述的斑块的评估系统，其特征在于，所述评估特征获取模块，基于预训练的第二卷积神经网络模型对所述血管区域进行动脉段识别，并将识别结果编码后作为所述第二评估特征。5.如权利要求2所述的斑块的评估系统，其特征在于，所述评估特征获取模块，获取与所述医学图像对应用户的实际病理特征；基于预设病理表将所述实际病理特征编码为所述病理参数。6.如权利要求2所述的斑块的评估系统，其特征在于，所述评估特征获取模块，获取与所述...

【专利技术属性】
技术研发人员：毛玉妃，杨雄，
申请(专利权)人：上海联影医疗科技股份有限公司，
类型：发明
国别省市：