一种基于深度学习的多模态门脉高压无创评估系统技术方案

本发明专利技术公开了一种基于深度学习的多模态门脉高压无创评估系统，其特征在于，包括：2D骨干网络分支以及3D骨干网络分支；两个多尺度感知模块；分类头。本发明专利技术使用深度学习模型，结合CT和内镜影像多模态数据，无创评估门脉压力，提高预测精度，实现更有效的临床决策，满足多层面医疗条件管理需要。与现有技术方案相比，本发明专利技术具有如下优点：通过深度学习，完成端到端的门脉压力无创评估。避免传统影像组学过程中手动设计的特征，和过多人为设定的超参数，缩短流程，提高诊断效率；结合CT和内镜图像两种模态。内镜检查能直观呈现食管和胃静脉曲张程度，与门静脉压力和预后密切相关。结合CT和内镜图像，提高模型的准确性。

【技术实现步骤摘要】

本专利技术涉及一种门脉高压无创评估系统。

技术介绍

1、门静脉压力升高与肝硬化并发症(食管胃静脉曲张、腹部积液、脾功能亢进、肝性脑病等)密切相关，是影响肝硬化患者临床预后的重要因素。肝静脉压力梯度(hepaticvenous pressure gradient,hvpg)可以反映门静脉压力，对肝硬化患者病情评估、治疗措施选择以及预后等均有重要意义，是评估显著性门静脉高压(clinically significantportal hypertension,csph)的金标准。但临床上获取hvpg需要介入科医生在专业设备的辅助下进行操作，为侵入性、价格昂贵、操作要求高的检查方法。

2、影像组学能对影像数据进行定量分析，挖掘如形态学、纹理、功能等高通量特征，通过机器学习建立模型实现疾病诊断。然而影像组学特征的提取是通过手动设计的，无法保证所提取特征是对病灶特征的全面描述。另外，影像组学第一步就需勾画roi，在医学图像领域中，有许多3d或4d影像数据，这些高维数据中，像素级的标签获取需要大量时间，成本高昂。

3、近年来，深度学习方法愈发成熟本文档来自技高网...

【技术保护点】

1.一种基于深度学习的多模态门脉高压无创评估系统，其特征在于，包括：

2.如权利要求1所述的一种基于深度学习的多模态门脉高压无创评估系统，其特征在于，所述2D骨干网络分支和所述3D骨干网络分支均为金字塔结构。

3.如权利要求2所述的一种基于深度学习的多模态门脉高压无创评估系统，其特征在于，所述2D骨干网络分支和所述3D骨干网络在下采样的过程中，传递不同层级的特征。

4.如权利要求2所述的一种基于深度学习的多模态门脉高压无创评估系统，其特征在于，所述多尺度感知模块将多个层级的卷积层输出的特征汇聚为一个特征，包括通道注意力块和空间注意力块，其中：通道注意力...

【技术特征摘要】

1.一种基于深度学习的多模态门脉高压无创评估系统，其特征在于，包括：

2.如权利要求1所述的一种基于深度学习的多模态门脉高压无创评估系统，其特征在于，所述2d骨干网络分支和所述3d骨干网络分支均为金字塔结构。

3.如权利要求2所述的一种基于深度学习的多模态门脉高压无创评估系统，其特征在于，所述2d骨干网络分支和所述3d骨干网络在下采样的过程中，传递不同层级的特征。

4.如权利要求2所述的一种基...

【专利技术属性】
技术研发人员：沈博伟，黄晓铨，陈世耀，
申请(专利权)人：复旦大学附属中山医院，
类型：发明
国别省市：