主动脉瓣膜钙化程度的确定方法和系统技术方案

本发明专利技术提供的一种主动脉瓣膜钙化程度的确定方法和系统，本发明专利技术涉及消息提醒技术领域，该方法包括计算用户相似度；基于每条商品分享消息中分享商品的商品详情页的信息使用回声强度确定模型确定详情页描述匹配程度；基于每条商品分享消息中分享商品的商品详情页的信息、每条商品分享消息中分享商品对应的分享文字使用分享描述匹配模型确定分享描述匹配程度；构建多个商品节点和多个商品节点之间的多条边；基于图神经网络模型对多个商品节点和多个商品节点之间的多条边进行处理确定目标商品节点；基于目标商品节点所对应的商品分享消息对被分享用户进行消息提醒，该方法能够从购物群中对符合用户实际需求的优质商品信息进行筛选和消息提醒。息进行筛选和消息提醒。息进行筛选和消息提醒。

【技术实现步骤摘要】
主动脉瓣膜钙化程度的确定方法和系统


[0001]本专利技术涉及主动脉瓣膜
，具体涉及一种主动脉瓣膜钙化程度的确定方法和系统。

技术介绍

[0002]主动脉瓣膜钙化是一种常见的心血管疾病，主动脉瓣膜钙化会导致主动脉瓣膜变得僵硬和狭窄，从而影响血液的正常流动。因此，准确评估主动脉瓣膜钙化程度对于主动脉瓣膜的诊断和治疗决策至关重要。
[0003]目前，医生通常使用超声检查或CT扫描来人为评估主动脉瓣膜的健康状态。然而人为评估需要医生对主动脉瓣膜的解剖结构、病理变化以及不同的影像特征有深入的了解。然而，医生的专业知识水平可能因培训、经验和个体差异等因素而不同，从而影响评估的准确性。而且人为评估需要医生对大量的影像数据进行分析和比对，这需要耗费大量的时间和精力。同时，长时间的视觉分析也增加了疲劳和注意力不集中导致错误判断的风险
[0004]因此如何快速准确的确定主动脉瓣膜钙化程度是当前亟待解决的问题、

技术实现思路

[0005]本专利技术主要解决的技术问题是如何快速准确的确定主动脉瓣膜钙化程度。
[0006]根据第一方面，本专利技术提供一种主动脉瓣膜钙化程度的确定方法，包括：获取主动脉瓣膜的超声检查视频；基于所述主动脉瓣膜的超声检查视频使用回声强度确定模型确定所述主动脉瓣膜的回声强度分布信息；获取主动脉瓣膜的CT图像；基于所述主动脉瓣膜的CT图像使用CT图像处理模型确定CT图像中钙化斑块信息；构建两个节点和两个节点之间的一条边，所述两个节点分别为超声检查节点和CT检查节点，其中每个节点包括多个节点特征，所述超声检查节点的节点特征为所述主动脉瓣膜的超声检查视频、所述主动脉瓣膜的回声强度分布信息，所述CT检查节点的节点特征为所述主动脉瓣膜的CT图像、所述CT图像中钙化斑块信息；基于图神经网络模型对所述两个节点和两个节点之间的一条边进行处理得到主动脉瓣膜钙化程度。
[0007]更进一步地，所述钙化斑块信息包括每个钙化斑块面积和每个钙化斑块密度。
[0008]更进一步地，所述主动脉瓣膜钙化程度为0
‑
1之间的数值，数值越大，则主动脉瓣膜钙化程度越严重。
[0009]更进一步地，所述回声强度确定模型为长短期神经网络模型，所述回声强度确定模型的输入为所述主动脉瓣膜的超声检查视频，所述回声强度确定模型的输出为所述主动脉瓣膜的回声强度分布信息。
[0010]更进一步地，所述图神经网络模型的输入为所述两个节点和两个节点之间的一条边，所述图神经网络模型的输出为主动脉瓣膜钙化程度。
[0011]根据第二方面，本专利技术提供一种主动脉瓣膜钙化程度的确定系统，包括：第一获取模块，用于获取主动脉瓣膜的超声检查视频；
[0012]回声强度确定模块，用于基于所述主动脉瓣膜的超声检查视频使用回声强度确定模型确定所述主动脉瓣膜的回声强度分布信息；
[0013]第二获取模块，用于获取主动脉瓣膜的CT图像；
[0014]CT图像处理模块，用于基于所述主动脉瓣膜的CT图像使用CT图像处理模型确定CT图像中钙化斑块信息；
[0015]构建模块，用于构建两个节点和两个节点之间的一条边，所述两个节点分别为超声检查节点和CT检查节点，其中每个节点包括多个节点特征，所述超声检查节点的节点特征为所述主动脉瓣膜的超声检查视频、所述主动脉瓣膜的回声强度分布信息，所述CT检查节点的节点特征为所述主动脉瓣膜的CT图像、所述CT图像中钙化斑块信息；
[0016]钙化程度确定模块，用于基于图神经网络模型对所述两个节点和两个节点之间的一条边进行处理得到主动脉瓣膜钙化程度。
[0017]更进一步地，所述钙化斑块信息包括每个钙化斑块面积和每个钙化斑块密度。
[0018]更进一步地，所述主动脉瓣膜钙化程度为0
‑
1之间的数值，数值越大，则主动脉瓣膜钙化程度越严重。
[0019]更进一步地，所述回声强度确定模型为长短期神经网络模型，所述回声强度确定模型的输入为所述主动脉瓣膜的超声检查视频，所述回声强度确定模型的输出为所述主动脉瓣膜的回声强度分布信息。
[0020]更进一步地，所述图神经网络模型的输入为所述两个节点和两个节点之间的一条边，所述图神经网络模型的输出为主动脉瓣膜钙化程度。
[0021]本专利技术提供的一种主动脉瓣膜钙化程度的确定方法和系统，该方法包括获取主动脉瓣膜的超声检查视频；基于所述主动脉瓣膜的超声检查视频使用回声强度确定模型确定所述主动脉瓣膜的回声强度分布信息；获取主动脉瓣膜的CT图像；基于所述主动脉瓣膜的CT图像使用CT图像处理模型确定CT图像中钙化斑块信息；构建两个节点和两个节点之间的一条边，所述两个节点分别为超声检查节点和CT检查节点，其中每个节点包括多个节点特征，所述超声检查节点的节点特征为所述主动脉瓣膜的超声检查视频、所述主动脉瓣膜的回声强度分布信息，所述CT检查节点的节点特征为所述主动脉瓣膜的CT图像、所述CT图像中钙化斑块信息；基于图神经网络模型对所述两个节点和两个节点之间的一条边进行处理得到主动脉瓣膜钙化程度，该方法能够快速准确的确定主动脉瓣膜钙化程度。
附图说明
[0022]图1为本专利技术实施例提供的一种主动脉瓣膜钙化程度的确定方法的流程示意图；
[0023]图2为本专利技术实施例提供的一种主动脉瓣膜钙化程度的确定系统的示意图。
具体实施方式
[0024]本专利技术实施例中，提供了如图1所示的一种主动脉瓣膜钙化程度的确定方法，所述主动脉瓣膜钙化程度的确定方法包括步骤S1～S6：
[0025]步骤S1，获取主动脉瓣膜的超声检查视频。
[0026]主动脉瓣膜位于主动脉与左心室之间的一种心脏瓣膜，用于控制血液从左心室流入主动脉。
[0027]超声检查视频是使用超声波技术对患者的主动脉瓣膜进行检查并生成的视频。
[0028]医生可以使用超声仪器在患者胸部或食道位置放置超声探头，通过传输超声波并接收其回波，生成一段超声检查视频。超声检查视频显示了主动脉瓣膜的结构和运动情况以及主动脉瓣膜的钙化信息。
[0029]超声波在体内传播时遇到不同类型的组织会发生不同程度的反射。在超声检查视频中，钙化斑块通常会造成超声波的强烈反射，产生明亮的回声信号。这是因为钙化物质相对于周围组织具有较高的密度和刚性，导致超声波无法轻易穿透并被完全反射。
[0030]步骤S2，基于所述主动脉瓣膜的超声检查视频使用回声强度确定模型确定所述主动脉瓣膜的回声强度分布信息。
[0031]回声强度分布信息表示主动脉瓣膜内回声强度的空间分布特征，回声强度分布信息包括了主动脉瓣膜不同位置像素的亮度变化情况。
[0032]回声强度确定模型为长短期神经网络模型。长短期神经网络模型包括长短期神经网络(LSTM，LongShort
‑
TermMemory)。长短期神经网络模型能够处理任意长度的序列数据，捕捉序列的信息，输出基于序列中前后数据关联关系的结果。回声强度确定模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种主动脉瓣膜钙化程度的确定方法，其特征在于，包括：获取主动脉瓣膜的超声检查视频；基于所述主动脉瓣膜的超声检查视频使用回声强度确定模型确定所述主动脉瓣膜的回声强度分布信息；获取主动脉瓣膜的CT图像；基于所述主动脉瓣膜的CT图像使用CT图像处理模型确定CT图像中钙化斑块信息；构建两个节点和两个节点之间的一条边，所述两个节点分别为超声检查节点和CT检查节点，其中每个节点包括多个节点特征，所述超声检查节点的节点特征为所述主动脉瓣膜的超声检查视频、所述主动脉瓣膜的回声强度分布信息，所述CT检查节点的节点特征为所述主动脉瓣膜的CT图像、所述CT图像中钙化斑块信息；基于图神经网络模型对所述两个节点和两个节点之间的一条边进行处理得到主动脉瓣膜钙化程度。2.如权利要求1所述的主动脉瓣膜钙化程度的确定方法，其特征在于，所述钙化斑块信息包括每个钙化斑块面积和每个钙化斑块密度。3.如权利要求1所述的主动脉瓣膜钙化程度的确定方法，其特征在于，所述主动脉瓣膜钙化程度为0
‑
1之间的数值，数值越大，则主动脉瓣膜钙化程度越严重。4.如权利要求1所述的主动脉瓣膜钙化程度的确定方法，其特征在于，所述回声强度确定模型为长短期神经网络模型，所述回声强度确定模型的输入为所述主动脉瓣膜的超声检查视频，所述回声强度确定模型的输出为所述主动脉瓣膜的回声强度分布信息。5.如权利要求3所述的主动脉瓣膜钙化程度的确定方法，其特征在于，所述图神经网络模型的输入为所述两个节点和两个节点之间的一条边，所述图神经网络模型的输出为主动脉瓣膜钙化程度。6.一种主动脉瓣膜钙化程度的确定系统，其特征在于，包括：第一获取模块，用...

【专利技术属性】
技术研发人员：杨林，李燕姿，刘建林，
申请(专利权)人：西安交通大学医学院第一附属医院，
类型：发明
国别省市：