基于多时相CTA的急性缺血性脑卒中侧支循环的深度学习评估方法技术

本发明专利技术公开了基于多时相CTA的急性缺血性脑卒中侧支循环的深度学习评估方法，包括以下步骤：S1、构建了急性缺血性脑卒中患者的多时相CTA影像的实验数据集；S2、将实验室数据输入mCTAformer网络，得到图像的预测结果，完成多时相CTA影像的侧支循环评估。本发明专利技术设置开发了mCTAformer网络，用于对急性缺血性脑卒中患者的多时相CTA影像进行评估分类，设置了混合注意力模块，其包含时相注意力模块用于聚焦多时期CTA数据上在不同时期上的特征以及血管注意力模块用于提取CTA数据影像中的血管血流状况和侧支循环充盈与否的血管信息。本发明专利技术实验结果验证了mCTAformer网络在对多时相CTA的急性缺血性脑卒中进行侧支循环评估预测中的有效性，为今后的研究提供了理论依据，对计算机辅助脑侧支循环诊断技术研究具有重大的意义。

【技术实现步骤摘要】

本专利技术属于深度学习图像分类领域，具体涉及基于多时相cta的急性缺血性脑卒中侧支循环的深度学习评估方法。

技术介绍

1、目前，医院中对于ais的侧支循环的自动评估主要依赖于ct灌注成像(ctperfusion,ctp)的后处理软件。目前，商用医疗工作站对梗死核心的判定大多采用阈值法，如ischemaview公司的rapid：相对cbf(rcbf)<30％；philips公司的brain ct perfusionpackage：相对mtt(rmtt)>145％且cbv<2.0ml/100g；siemens公司的syngo volumeperfusion ct neuro：cbv<1.2ml/100g。这些软件通常使用ct值对非强化ct进行自动aspect评分，并根据ctp参数中脑血流量降低和平均通过时间延迟的特定阈值进行体积分割，从而计算出半暗带体积。这些工作站上的软件可以根据灌注参数图给医生提供梗死体积的粗略估计，辅助医生制定卒中治疗方案。尽管在《中国急性缺血性脑卒中诊治指南(2018版)》中建议使用ct灌注后处理结果指导ais患本文档来自技高网...

【技术保护点】

1.基于多时相CTA的急性缺血性脑卒中侧支循环的深度学习评估方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多时相CTA的急性缺血性脑卒中侧支循环的深度学习评估方法，其特征在于，所述S1实验数据集为自制数据集，所述自制数据集包括若干急性缺血性卒中(Acute Ischemic Stroke，AIS)患者的多时相CTA图像，采集AIS患者的mCTA图像的方法具体为：

3.根据权利要求1所述的基于多时相CTA的急性缺血性脑卒中侧支循环的深度学习评估方法，其特征在于，所述S2的mCTAformer网络包含四个阶段，每个阶段由PatchEmbedding层和...

【技术特征摘要】

1.基于多时相cta的急性缺血性脑卒中侧支循环的深度学习评估方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多时相cta的急性缺血性脑卒中侧支循环的深度学习评估方法，其特征在于，所述s1实验数据集为自制数据集，所述自制数据集包括若干急性缺血性卒中(acute ischemic stroke，ais)患者的多时相cta图像，采集ais患者的mcta图像的方法具体为：

3.根据权利要求1所述的基于多时相cta的急性缺血性脑卒中侧支循环的深度学习评估方法，其特征在于，所述s2的mctaformer网络包含四个阶段，每个阶段由patchembedding层和mctaformer块组成。其中，特征图进入不同阶段的patch embedding层后，高宽将压缩为上一个阶段的1/2，并被切分为多个小块，然后将这些小块转换为固定长度的向量表示，即输入的特征图x∈r^(h×w×c)，展平成n个大小为p^2c的一维向量x_p^'，投影到维度为d的空间上，x_p^'∈r^(n×d)，其中h和w分别是图像的高和宽，c为通道数。

4.根据权利要求3所述的基于多时相cta的急性缺血性脑卒中侧支循环的深度学习评估方法，其特征在于，mctaformer块包含依次连接的归一化函数batchnorm层、混合多相注意...

【专利技术属性】
技术研发人员：苏怀峰，刘腊，唐宇凤，张杨松，王鹏，朱钦圣，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：