【技術實現步驟摘要】
本申請涉及圖像處理領域，特別是涉及一種基于腦血管影像表征組的腦卒中預測方法、設備、介質及產品。
技術介紹
1、隨著全球人口老齡化的加劇，腦卒中已成為全球范圍內致死率和致殘率最高的疾病之一。急性缺血性腦卒中的病因分型（如大動脈粥樣硬化、心源性栓塞、小血管閉塞）和責任血管定位對于患者的早期診斷、治療方案選擇和預后評估至關重要。然而，現有的病因分型和責任血管定位方法大多基于傳統的臨床指標和單一模態的影像數據；如電子計算機斷層掃描（computed?tomography，ct）、常規磁共振成像（magnetic?resonance?imaging，mri），這些方法雖然能夠提供一定的結構信息，但無法全面捕捉患者的腦血管老化狀態和微小病變，特別是對于急性缺血性腦卒中，早期病灶的精確定位至關重要，而單一模態的數據往往難以滿足這一需求，導致診斷的準確性和可靠性不足；并且，出現復發的患者亞群表現為更差的遠期預后。因此對急性缺血性腦卒中實現早期病因分型、責任血管定位以及復發風險進行客觀精準的量化分析具有極高的臨床指導意義。
2、因此，開發一種能夠定量評估腦血管老化并實現精準分型和責任血管定位的方法，具有重要的臨床意義和社會價值。急性缺血性腦卒中的早期識別責任血管對于治療方案的選擇至關重要。
3、現有的分型和定位模型往往基于小規模的臨床數據進行訓練，缺乏大規模人群隊列的支持。這使得模型的泛化能力較差，難以適應不同地區的患者群體，限制了其在實際臨床應用中的推廣。且現有的責任血管定位方法通常依賴于手動標注或簡單的圖像處理技術，容
4、現有的卒中分型方法主要基于傳統的臨床指標（如年齡、血壓、血脂等），這些指標雖然能夠反映部分風險因素，但無法直接評估腦血管的老化程度；腦血管老化是卒中發生和發展的重要前兆。尤其是在早期階段，微血管的變化可能是最早出現的病理特征。然而，現有的評估手段無法有效捕捉這些細微的變化，導致對卒中的分型和責任血管定位不夠準確和全面；
5、急性缺血性腦卒中的早期識別責任血管對于治療方案的選擇至關重要。現有的責任血管定位方法通常依賴于手動標注或簡單的圖像處理技術，容易受到主觀因素的影響，且難以精確匹配發生腦梗死的腦區與其供血的責任血管。并且，傳統的特征提取方法依賴于人工設計的算法，容易受到主觀因素的影響，且難以充分利用多模態影像中的復雜信息；
6、現有的卒中復發風險預測模型大多采用統一的評估標準，未能充分考慮個體差異。每個患者的腦血管老化程度和復發風險可能存在顯著差異，而現有的模型無法提供個性化的預測結果，影響了臨床醫生對患者的精準管理。
7、而如何在臨床場景中快速、準確實現急性腦卒中患者病因分類，并精準識別責任血管，并在疾病早期實現復發風險預測，輔助臨床工作者實現個體化精準診療，是現在亟待解決的問題。
技術實現思路
1、本申請的目的是提供一種基于腦血管影像表征組的腦卒中預測方法、設備、介質及產品，能夠在臨床場景中快速、準確實現急性腦卒中患者病因分類，并精準識別責任血管，并在疾病早期實現復發風險預測。
2、為實現上述目的，本申請提供了如下方案：
3、第一方面，本申請提供了一種基于腦血管影像表征組的腦卒中預測方法，所述基于腦血管影像表征組的腦卒中預測方法包括：
4、構建臨床數據庫；所述臨床數據庫包括：每一患者的多模態影像特征組數據以及對應的臨床特征數據；所述多模態影像特征組數據包括：tof-mra、swi、t1wi以及t2-flair；所述臨床特征數據包括：性別、年齡、身高、體重以及患病情況；
5、根據每一患者的多模態影像特征組數據、對應的臨床特征數據以及對應的患者臨床病因分型，采用單隱藏層的簡單全連接神經網絡構架，得到臨床病因分型預測模型；
6、根據每一患者的tof-mra，采用腦血管組織分割模型以及基于體素的形態學分析，確定腦血管影像特征，并根據腦血管影像特征進行責任血管區域的定位診斷；所述腦血管組織分割模型用于根據tof-mra，得到腦血管分割圖像；所述腦血管影像特征包括：腦血管基本特征、腦血管幾何學特征以及腦血管拓撲學特征；所述腦血管基本特征包括：個體管狀結構的長度和體積、局部腦區直徑和長度；所述腦血管幾何學特征包括：腦血管曲率半徑和彎曲程度；所述腦血管拓撲學特征包括：腦血管分叉點；
7、根據每一患者的tof-mra中的腦血管影像特征、swi、t1wi、t2-flair以及對應的臨床特征數據，采用單隱藏層的簡單全連接神經網絡構架，得到基于腦血管老化影像表征組的腦卒中復發風險預測模型；所述基于腦血管老化影像表征組的腦卒中復發風險預測模型用于輸出腦卒中患者復發概率值；
8、獲取待預測者的多模態影像特征組數據以及對應的臨床特征數據；
9、采用臨床病因分型預測模型以及基于腦血管老化影像表征組的腦卒中復發風險預測模型進行臨床病因分型預測和腦卒中復發風險預測；并進行責任血管區域的定位診斷。
10、可選地，所述構建臨床數據庫，具體包括：
11、對每一患者的多模態影像特征組數據以及對應的臨床特征數據進行預處理；所述預處理包括：剔除異常值數據、缺失數據多重填補以及數據清理。
12、可選地，所述臨床病因分型預測模型和基于腦血管老化影像表征組的腦卒中復發風險預測模型均通過訓練早停的方法進行訓練。
13、可選地，所述根據每一患者的tof-mra，采用腦血管組織分割模型以及基于體素的形態學分析，確定腦血管影像特征，并根據腦血管影像特征進行責任血管區域的定位診斷，具體包括：
14、對tof-mra進行磁共振序列圖像預處理；所述磁共振序列圖像預處理包括：腦組織提取、磁共振序列圖像配準、磁共振序列圖像降噪和b0場矯正、限制對比度自適應直方圖均衡化、血管邊緣信號增強以及變換系數gamma矯正；
15、利用腦血管組織分割模型，對磁共振序列圖像預處理后的圖像進行腦血管組織分割，得到腦血管分割圖像；
16、根據腦血管分割圖像，采用三維條件隨機場模型進行三維條件隨機場處理；
17、根據三維條件隨機場處理后的腦血管分割圖像中的三維最大連接成分確定最終的腦血管分割圖像；
18、將最終的腦血管分割圖像與腦血管分布密度圖譜進行非線性配準，得到變換的雅可比矩陣；
19、利用變換的雅可比矩陣對非線性配準后的腦血管分割圖像進行雅可比矩陣標準化處理，得到腦血管分布密度圖像；所述腦血管分布密度圖像用于表征個體腦血管在標準圖譜空間的分布密度；
20、根據腦血管分布密度圖像與腦血管分布密度圖譜進行體素水平的單樣本t-檢驗，并利用bonferroni法進行多重比較矯正，實現責任血管區域的定位診斷；責任血管區域為個體血管密度分布于腦血管分布密度圖像中信號差異最大的血管區域。
21、可選地，所述腦血管組織分本文檔來自技高網...
【技術保護點】
1.一種基于腦血管影像表征組的腦卒中預測方法，其特征在于，所述基于腦血管影像表征組的腦卒中預測方法包括：
2.根據權利要求1所述的基于腦血管影像表征組的腦卒中預測方法，其特征在于，所述構建臨床數據庫，具體包括：
3.根據權利要求1所述的基于腦血管影像表征組的腦卒中預測方法，其特征在于，所述臨床病因分型預測模型和基于腦血管老化影像表征組的腦卒中復發風險預測模型均通過訓練早停的方法進行訓練。
4.根據權利要求1所述的基于腦血管影像表征組的腦卒中預測方法，其特征在于，所述根據每一患者的TOF-MRA，采用腦血管組織分割模型以及基于體素的形態學分析，確定腦血管影像特征，并根據腦血管影像特征進行責任血管區域的定位診斷，具體包括：
5.根據權利要求4所述的基于腦血管影像表征組的腦卒中預測方法，其特征在于，所述腦血管組織分割模型為在3D-UNet卷積神經網絡的跳躍連接中引入了注意力門控模塊的深度神經網絡模型。
6.根據權利要求1所述的基于腦血管影像表征組的腦卒中預測方法，其特征在于，所述基于腦血管老化影像表征組的腦卒中復發風險預測模型
7.一種基于腦血管影像表征組的腦卒中預測設備，其特征在于，所述基于腦血管影像表征組的腦卒中預測設備包括：
8.一種計算機設備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序以實現權利要求1-6中任一項所述的基于腦血管影像表征組的腦卒中預測方法。
9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現權利要求1-6中任一項所述的基于腦血管影像表征組的腦卒中預測方法。
10.一種計算機程序產品，包括計算機程序，其特征在于，該計算機程序被處理器執行時實現權利要求1-6中任一項所述的基于腦血管影像表征組的腦卒中預測方法。
...【技術特征摘要】
1.一種基于腦血管影像表征組的腦卒中預測方法，其特征在于，所述基于腦血管影像表征組的腦卒中預測方法包括：
2.根據權利要求1所述的基于腦血管影像表征組的腦卒中預測方法，其特征在于，所述構建臨床數據庫，具體包括：
3.根據權利要求1所述的基于腦血管影像表征組的腦卒中預測方法，其特征在于，所述臨床病因分型預測模型和基于腦血管老化影像表征組的腦卒中復發風險預測模型均通過訓練早停的方法進行訓練。
4.根據權利要求1所述的基于腦血管影像表征組的腦卒中預測方法，其特征在于，所述根據每一患者的tof-mra，采用腦血管組織分割模型以及基于體素的形態學分析，確定腦血管影像特征，并根據腦血管影像特征進行責任血管區域的定位診斷，具體包括：
5.根據權利要求4所述的基于腦血管影像表征組的腦卒中預測方法，其特征在于，所述腦血管組織分割模型為在3d-unet卷積神經網絡的跳躍連接中引入了注意力門控模塊的深度神經網絡模型。
6...
【專利技術屬性】
技術研發人員：王擁軍，丁亞榕，王哲，劉麗萍，劉濤，楊謹旭，呂天節，
申請(專利權)人：首都醫科大學附屬北京天壇醫院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。