【技术实现步骤摘要】
【国外来华专利技术】血管内线圈规格
[0001]本公开涉及提供一种用于在线圈栓塞手术中治疗动脉瘤的血管内线圈规格。公开了一种计算机实现的方法、一种处理装置、一种系统和一种计算机程序产品。
技术介绍
[0002]动脉瘤在动脉壁的薄弱点处形成,并以动脉内的隆起部或膨胀部的形式表现出来。有破裂风险的动脉瘤需要治疗,以避免内出血和/或出血性中风。血管内线圈栓塞术是用于治疗颅内脑动脉瘤的常用手术,因为它以微创方式执行且失败率低。这种手术包含将可变形的线材插入,该线材在动脉瘤内形成“线圈(coils)”,以改变动脉瘤内血流动力学,尤其是血流量和进入动脉瘤的血流速度。线圈的作用是降低动脉瘤壁上的剪应力,并促进动脉瘤内血栓形成,这最终可使动脉瘤相对于血管封闭。
[0003]动脉瘤内血流动力学取决于几个解剖学因素,如动脉瘤的类型,例如是否分叉、相对于血流的动脉瘤位置或角度、母血管的曲率、动脉瘤颈部直径等。动脉瘤内血流动力学也受手术因素的影响,如线圈填塞密度和残余动脉瘤体积。低线圈填塞密度可导致动脉瘤复通(recanalization)和复发(recurrence),而高线圈填塞密度可增加动脉瘤破裂的风险。一般来说,20
‑
25%的线圈填塞密度被接受以防止较小动脉瘤的复通,但较大动脉瘤可能需要在30
‑
55%的范围内的较高的线圈填塞密度,以降低复通的风险。线圈填塞密度受动脉瘤特性(如动脉瘤尺寸、其颈部直径等)以及线圈的物理性质(如线圈类型、结构、材料、涂层、刚度、直径等)的影响。
[0004]血管内线圈数 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种提供用于在线圈栓塞手术中治疗动脉瘤的血管内线圈的血管内线圈规格的计算机实现的方法,所述方法包括:接收(S110)X射线图像数据(110),所述X射线图像数据(110)包括一个或多个包括动脉瘤(120)的X射线图像;将所述X射线图像数据(110)输入(S120)到神经网络(130,230)中,所述神经网络被训练以根据所述X射线图像数据(110)来预测用于治疗所述动脉瘤(120)的血管内线圈的血管内线圈数据(140,150);以及输出(S130)所述血管内线圈数据(140,150)以提供所述血管内线圈规格。2.根据权利要求1所述的计算机实现的方法,其中,所述X射线图像数据(110)包括一个或多个X射线荧光透视图像,和/或一个或多个造影剂增强的X射线图像。3.根据权利要求1或权利要求2所述的计算机实现的方法,其中,所述X射线图像数据(110)包括多个X射线图像,并且所述X射线图像i)包括所述动脉瘤(120)的多个不同的观察角度和/或ii)表示在所述线圈栓塞手术期间的不同时间步长。4.根据权利要求1
‑
3中的任一项所述的计算机实现的方法,其中,所述方法包括:在将所述X射线图像数据(110)输入(S120)到神经网络(130,230)中之前,分割(S140)所述X射线图像数据(110)以识别所述动脉瘤(120);以及将所述X射线图像数据(110)输入(S120)到神经网络(130,230)中包括将经过分割的所述X射线图像数据(110)输入到所述神经网络中。5.根据权利要求1所述的计算机实现的方法,其中,所述血管内线圈数据(140,150)包括:用于治疗所述动脉瘤(120)的一个或多个血管内线圈参数(140),和/或用于治疗所述动脉瘤(120)的血管内线圈的一个或多个特性(150);其中,所述一个或多个血管内线圈参数(140)选自以下组:线圈长度、线圈直径、线圈刚度和线圈环直径;以及其中,所述血管内线圈的所述特性(150)选自以下组:线圈类型和线圈材料。6.根据权利要求1所述的计算机实现的方法,其中,所述神经网络(130,230)通过以下方式被训练以预测所述血管内线圈的所述血管内线圈数据(140,150):接收(S210)X射线图像训练数据(210),所述X射线图像训练数据(210)包括一个或多个包括动脉瘤(120)的X射线图像;接收(S220)基准真值血管内线圈规格数据(220),其表示被用于治疗所述X射线图像训练数据(210)中的所述动脉瘤(120)的血管内线圈的血管内线圈数据;将接收到的所述X射线图像训练数据(210)输入(S230)到所述神经网络(130,230)中,并基于损失函数来调整(S240)所述神经网络(130,230)的参数,所述损失函数表示由所述神经网络(130,230)预测的所述血管内线圈数据(140,150)与由接收到的所述基准真值血管内线圈规格数据(220)表示的、被用于治疗所述X射线图像训练数据(210)中的所述动脉瘤(120)的所述血管内线圈的所述血管内线圈数据之间的差值。7.根据权利要求6所述的计算机实现的方法,其中,所述神经网络(130,230)被训练以根据所述X射线图像数据(110)和表示所述X射线图像数据(110)中的所述动脉瘤(120)的体积图像数据(160)来预测用于治疗所述动脉瘤(120)的所述血管内线圈的所述血管内线圈数据(140,150);以及所述神经网络(130,230)进一步通过以下方式被训练以预测所述血管
内线圈的所述血管内线圈数据(140,150):接收(S250)体积图像训练数据(260),其表示所述X射线图像训练数据(210)中的所述动脉瘤(120);将接收到的所述体积图像训练数据(260)输入(S260)到所述神经网络(130,230)中;以及根据接收到的所述X射线图像训练数据(210)和接收到的所述体积图像训练数据(260)来预测(S270)用于治疗所述动脉瘤(120)的所述血管内线圈的所述血管内线圈数据(140,150)。8.根据权利要求6或权利要求7所述的计算机实现的方法,其中,所述神经网络(130,230)被进一步训练以根据与所述X射线图像数据(110)中的所述动脉瘤(120)相对应的患者数据(170)来预测用于...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。