一种预测动脉瘤破裂风险及指导介入治疗的数据库建立方法技术

本发明专利技术公开了一种预测动脉瘤破裂风险及指导介入治疗的数据库建立方法，包括以下步骤：深度学习；初次匹配；预测动脉瘤破裂风险；预测动脉瘤破裂前形态；第二次匹配并校正；计算动脉瘤治疗的方案；治疗后动脉瘤的风险预测；计算动脉瘤补救治疗方案。本发明专利技术能够准确的进行预测动脉瘤的未来形态变化、破裂风险和时间，并进行介入栓塞临床治疗的方案指导。并进行介入栓塞临床治疗的方案指导。并进行介入栓塞临床治疗的方案指导。

【技术实现步骤摘要】
一种预测动脉瘤破裂风险及指导介入治疗的数据库建立方法


[0001]本专利技术涉及颅内动脉瘤数据库
，尤其涉及一种预测动脉瘤破裂风险及指导介入治疗的数据库建立方法。

技术介绍

[0002]颅内动脉瘤一旦发生出血，将造成严重后果，预后可有反应迟钝、偏瘫、失语、植物生存状态等，严重者可导致死亡。由颅内动脉瘤所导致的颅内出血致死致残率极高，其首次破裂出血死亡率可达35％，再次出血病死率则达60％～80％，幸存者亦多有残疾。目前对于动脉瘤的治疗，主要为了预防出血或再出血，故而建立动脉瘤破裂风险的预测和治疗指导系统极为重要，可以为患者预测出血风险，给出治疗建议，也可以指导医生进行临床治疗，特别是对于治疗后复查患者，可与预测其复发和是否需要再次治疗，从而降低再出血风险。

技术实现思路

[0003]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种预测动脉瘤破裂风险及指导介入治疗的数据库建立方法。
[0004]为了实现上述目的，本专利技术采用了如下技术方案：
[0005]一种预测动脉瘤破裂风险及指导介入治疗的数据库建立方法，包括以下步骤：
[0006]S1、深度学习：收集动脉瘤CTA、DSA、MRA等血管的影像学数据，通过学习若干破裂动脉瘤的形态学、载瘤动脉形态及两者空间结构特征，包括二维和三维的数据，同样方法学习未破裂动脉瘤、治疗后动脉瘤、复发动脉瘤等动脉瘤的相关形态学特征，筛选出需要治疗的动脉瘤，并录入可能要采取的具体治疗方案；
[0007]S2、初次匹配：匹配破裂和未破裂动脉瘤、需要和不需要治疗动脉瘤的形态学特征，计算出动脉瘤的特性，建立一级数据库，即基础数据库；
[0008]S3、预测动脉瘤破裂风险：根据破裂前与破裂后的影像学数据生成的三维数据，计算出血流动学的流体模型，进行快速模拟血流动力所造成的动脉瘤和载瘤动脉的后期的形态自然变化数据，并与相对应的破裂动脉瘤的形态对比匹配、校正，同样的方法继续匹配和校正第二次、第三次破裂的动脉瘤自然形态变化数据，进而预测动脉瘤的破裂风险；
[0009]S4、预测动脉瘤破裂前形态：根据高分辨率磁共振收集的动脉瘤囊壁影像学数据，结合上述生成的流体模型，计算出动脉瘤破裂的可能时间段，计算并重建出动脉瘤未来破裂的囊壁形态，建立二级数据库，即预测数据库；
[0010]S5、第二次匹配并校正：然后根据同一患者的破裂前和破裂后的动脉瘤形态、时间、同一患者的每一次随访的未破裂动脉瘤的数据匹配性情况，与预测数据库进行对比校正，建立三级数据库，即校正数据库；
[0011]S6、计算动脉瘤治疗的方案：根据复发动脉瘤数据库可以进行实时计算、预测，包括未破裂动脉瘤的复发风险、再次破裂的形态和时间，给出本次治疗方案，包括动脉瘤栓塞的理想状态指导动脉瘤的本次栓塞治疗方案，在治疗中的方案的不断调整并不断深度学
习，建立初次治疗数据库；
[0012]S7、治疗后动脉瘤的风险预测：根据治疗后的动脉瘤、复发动脉瘤的影像学数据，重复S1至S6的步骤，进行学习、匹配，并生成血流动力学流体模型、模拟形态变化、预测破裂风险，并结合动脉瘤囊壁影像学数据计算治疗后动脉瘤破裂的可能时间段、计算动脉瘤的未来破裂形态；
[0013]S8、计算动脉瘤补救治疗方案：根据复发动脉瘤数据库可以进行实时计算、预测，治疗后的动脉瘤的复发风险、再次破裂的形态和时间，给出本次治疗补救方案，指导动脉瘤的本次栓塞治疗方案，然后再和之前的数据库进行匹配，并进行纠正三级数据库，同时校正初次治疗数据库，通过改进初次治疗方案，从而降低动脉瘤治疗后的复发，并同时进行深度学习，建立四级数据库，即复发动脉瘤数据库。
[0014]优选的，所述步骤S6由以下步骤组成：
[0015]S6
‑
1、计算动脉瘤治疗的方案：根据复发动脉瘤数据库可以进行实时计算、预测，未破裂动脉瘤的复发风险、再次破裂的形态和时间，给出本次治疗方案；
[0016]S6
‑
2、在动脉瘤栓塞的理想状态指导动脉瘤的本次栓塞治疗方案。
[0017]优选的，在明确所述动脉瘤后，可给出具体治疗方案，包括进行单纯栓塞、支架辅助栓塞、血流导向装置、双导管、球囊辅助栓塞等，首先模拟出弹簧圈导管和导丝塑形的形态，指导塑形；然后是治疗方案。
[0018]优选的，所述治疗方案如果是单纯栓塞，直接需要多少枚弹簧圈栓塞，给出每一枚弹簧圈的规格，包括尺寸、三维或二维等，再进行第一枚弹簧圈后，再实时给出第二枚弹簧圈的建议。
[0019]优选的，所述治疗方案如果是支架辅助栓塞，则可以给出支架尺寸选择、每一枚弹簧圈的依次选择，并给出操作的步骤，需要先进行弹簧圈的栓塞还在先进行支架置入。
[0020]优选的，所述治疗方案如果是血流导向装置、双导管、球囊辅助栓塞等其他治疗方案，亦是给出详细治疗方案；在治疗中如果产生错误或偏差，则进行人工纠正，从而协助使治疗方案的不断调整并不断深度学习。
[0021]优选的，所述步骤S8由以下步骤组成：
[0022]S8
‑
1、根据复发动脉瘤数据库可以进行实时计算、预测，治疗后的动脉瘤的复发风险、再次破裂的形态和时间；
[0023]S8
‑
2、给出本次治疗补救方案，指导动脉瘤的本次栓塞治疗方案，方案与步骤S6相同，同样给出合适的治疗方案，包括每一步所需的介入材料的规格和步骤。
[0024]与现有技术相比，本专利技术的有益效果是：
[0025]本专利技术中，通过深度学习、初次匹配、动脉瘤破裂风险预测、预测动脉瘤破裂前形态变化、预测动脉瘤破裂前形态、第二次匹配并校正、计算动脉瘤治疗的方案、治疗后动脉瘤的风险预测、计算动脉瘤补救治疗的方案，能够准确的进行预测动脉瘤的未来形态变化、破裂风险和时间，并进行介入栓塞临床治疗的方案指导。
附图说明
[0026]图1为本专利技术提出的一种预测动脉瘤破裂风险及指导介入治疗的数据库建立方法的逻辑框图。
具体实施方式
[0027]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0028]参照图1，一种预测动脉瘤破裂风险及指导介入治疗的数据库建立方法，包括以下步骤：
[0029]S1、深度学习：收集动脉瘤CTA、DSA、MRA等血管的影像学数据，通过学习若干破裂动脉瘤的形态学、载瘤动脉形态及两者空间结构特征，包括二维和三维的数据，同样方法学习未破裂动脉瘤、治疗后动脉瘤、复发动脉瘤等动脉瘤的相关形态学特征，筛选出需要治疗的动脉瘤，并录入可能要采取的具体治疗方案；
[0030]S2、初次匹配：匹配破裂和未破裂动脉瘤、需要和不需要治疗动脉瘤的形态学特征，计算出动脉瘤的特性，建立一级数据库，即基础数据库；
[0031]S3、预测动脉瘤破裂风险：根据破裂前与破裂后的影像学数据生成的三维数据，计算出血流动学的流体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测动脉瘤破裂风险及指导介入治疗的数据库建立方法，其特征在于，包括以下步骤：S1、深度学习：收集动脉瘤CTA、DSA、MRA等血管的影像学数据，通过学习若干破裂动脉瘤的形态学、载瘤动脉形态及两者空间结构特征，包括二维和三维的数据，同样方法学习未破裂动脉瘤、治疗后动脉瘤、复发动脉瘤等动脉瘤的相关形态学特征，筛选出需要治疗的动脉瘤，并录入可能要采取的具体治疗方案；S2、初次匹配：匹配破裂和未破裂动脉瘤、需要和不需要治疗动脉瘤的形态学特征，计算出动脉瘤的特性，建立一级数据库，即基础数据库；S3、预测动脉瘤破裂风险：根据破裂前与破裂后的影像学数据生成的三维数据，计算出血流动学的流体模型，进行快速模拟血流动力所造成的动脉瘤和载瘤动脉的后期的形态自然变化数据，并与相对应的破裂动脉瘤的形态对比匹配、校正，同样的方法继续匹配和校正第二次、第三次破裂的动脉瘤自然形态变化数据，进而预测动脉瘤的破裂风险；S4、预测动脉瘤破裂前形态：根据高分辨率磁共振收集的动脉瘤囊壁影像学数据，结合上述生成的流体模型，计算出动脉瘤破裂的可能时间段，计算并重建出动脉瘤未来破裂的囊壁形态，建立二级数据库，即预测数据库；S5、第二次匹配并校正：然后根据同一患者的破裂前和破裂后的动脉瘤形态、时间、同一患者的每一次随访的未破裂动脉瘤的数据匹配性情况，与预测数据库进行对比校正，建立三级数据库，即校正数据库；S6、计算动脉瘤治疗的方案：根据复发动脉瘤数据库可以进行实时计算、预测，包括未破裂动脉瘤的复发风险、再次破裂的形态和时间，给出本次治疗方案，包括动脉瘤栓塞的理想状态指导动脉瘤的本次栓塞治疗方案，在治疗中的方案的不断调整并不断深度学习，建立初次治疗数据库；S7、治疗后动脉瘤的风险预测：根据治疗后的动脉瘤、复发动脉瘤的影像学数据，重复S1至S6的步骤，进行学习、匹配，并生成血流动力学流体模型、模拟形态变化、预测破裂风险，并结合动脉瘤囊壁影像学数据计算治疗后动脉瘤破裂的可能时间段、计算动脉瘤的未来破裂形态；S8、计算动脉瘤补救治疗方案：根据复发动脉瘤数据库可以进行实时计算、预测，治疗后的动脉瘤的复发风险、再次破裂的形态和时间，给出本次治疗补救方案，指导动脉瘤的本次栓塞治疗方案，然后再和之前的数据库进行匹配，并进行纠正三级数据库，同时校正初次治疗数据库...

【专利技术属性】
技术研发人员：崔君拴，韩永全，王洋，向欣，曾茜，翁升权，石学平，石拉，何龙才，杨涵，冯小云，刘成云，王军浩，熊明松，孔德训，
申请(专利权)人：贵州医科大学附属医院，
类型：发明
国别省市：