一种卒中后房颤风险预测方法、计算机设备及介质技术

本发明专利技术公开一种卒中后房颤风险预测方法、计算机设备及介质，涉及卒中后房颤风险预测技术领域，该方法包括获取用户的风险预测用信息，并对风险预测用信息进行预处理，然后将预处理后的风险预测用信息输入至训练好的卒中后房颤风险预测模型中，对用户发生卒中后房颤的概率进行预测，得到卒中后房颤风险预测概率，将卒中后房颤风险预测概率与预设概率值进行比较，得到用户的卒中后房颤预测风险等级，本发明专利技术通过机器学习方法对用户发生卒中后房颤的风险概率进行预测，其具有很强的客观性，避免了人为主观因素的影响，从而提高了卒中后房颤风险预测的准确性。房颤风险预测的准确性。房颤风险预测的准确性。

【技术实现步骤摘要】
一种卒中后房颤风险预测方法、计算机设备及介质


[0001]本专利技术涉及卒中后房颤风险预测
，特别是涉及一种卒中后房颤风险预测方法、计算机设备及介质。

技术介绍

[0002]房颤相关的缺血性卒中及短暂性脑缺血发作比例非常高，合并缺血性卒中的房颤用户可被分类为既往房颤(缺血性卒中前发现的房颤)和缺血性卒中后发现的房颤。与窦性心律的用户相比，缺血性卒中后房颤用户卒中复发及死亡风险更高，因此尽早识别卒中后房颤对于优化用户二级预防策略、改善用户预后尤为重要。哪些缺血性卒中用户是卒中后房颤的高危人群，如何在临床工作中快速高效地识别这一人群，仍是目前研究的难点。尽管目前发现了多种预测评分及因素，并依此来判断是否有卒中后房颤的风险，但由于其采用的影像学信息多基于人工判读，主观性强，因此存在判读者偏移误判问题。

技术实现思路

[0003]本专利技术的目的是提供一种卒中后房颤风险预测方法、计算机设备及介质，可提高卒中后房颤风险预测的准确性。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种卒中后房颤风本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种卒中后房颤风险预测方法，其特征在于，所述方法包括：获取用户的风险预测用信息；所述风险预测用信息包括多模态影像和基线临床数据信息；所述多模态影像包括T1图像、T2图像、FLAIR图像和DWI图像；所述基线临床数据信息包括年龄信息、性别信息、既往史信息和NIHSS评分信息；对所述风险预测用信息进行预处理，得到预处理后的风险预测用信息；所述预处理后的风险预测用信息包括预处理后的多模态影像、预处理后的基线临床数据信息、病灶掩膜和病灶体积特征；将所述预处理后的风险预测用信息输入至训练好的卒中后房颤风险预测模型中，对所述用户发生卒中后房颤的概率进行预测，得到卒中后房颤风险预测概率；将所述卒中后房颤风险预测概率与预设概率值进行比较，得到所述用户的卒中后房颤风险等级。2.根据权利要求1所述的卒中后房颤风险预测方法，其特征在于，所述对所述风险预测用信息进行预处理，具体包括：对所述多模态影像和配准模版图像进行结构像配准，得到配准后的多模态影像和配准矩阵；对所述配准后的多模态影像进行脑提取，得到脑提取结果；根据所述脑提取结果对所述配准后的多模态影像进行裁剪，得到裁剪后的多模态影像；所述裁剪后的多模态影像即为所述预处理后的多模态影像，包括裁剪后的T1图像、裁剪后的T2图像、裁剪后的FLAIR图像和裁剪后的DWI图像；对所述裁剪后的FLAIR图像的卒中病灶进行分割，得到FLAIR图像病灶掩膜；对所述裁剪后的DWI图像的卒中病灶进行分割，得到DWI图像病灶掩膜；所述DWI图像病灶掩膜和所述FLAIR图像病灶掩膜组成所述病灶掩膜；根据所述DWI图像病灶掩膜确定病灶体积特征；对所述基线临床数据信息进行编码预处理，得到预处理后的基线临床数据信息。3.根据权利要求2所述的卒中后房颤风险预测方法，其特征在于，所述进行分割，具体包括：利用手工勾勒方法或深度学习图像分割模型进行分割。4.根据权利要求2所述的卒中后房颤风险预测方法，其特征在于，所述根据所述DWI图像病灶掩膜确定病灶体积特征，具体包括：利用所述配准矩阵和所述配准模版图像计算所述用户的脑区图谱；根据所述脑区图谱和所述DWI图像病灶掩膜得到卒中病灶体素数量，所述卒中病灶体素数量即为所述病灶体积特征。5.根据权利要求2所述的卒中后房颤风险预测方法，其特征在于，所述对所述基线临床数据信息进行编码预处理，具体包括：对所述年龄信息进行Z
‑
score标准化，对所述性别信息进行One
‑
hot编码，对所述既往史信息进行One
‑
h...

【专利技术属性】
技术研发人员：王拥军，杨晓萌，张栗源，李子孝，刘子阳，荆京，孟霞，姜勇，刘盼，刘涛，
申请(专利权)人：首都医科大学附属北京天坛医院，
类型：发明
国别省市：