[發明專利]一種腦卒中類型預測方法以及裝置

在審

• 申請號: 201710345967.7
• 申請日: 2017-05-17
• 公開（公告）號: CN107145756A
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 榮輝
• 申請（專利權）人: 上海輝明軟件有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06T7/00;G06T7/11
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙)11371
• 代理人: 梁斌

1.一種腦卒中類型預測方法，其特征在于，包括：

獲取多個腦卒中病人的腦部樣本圖像，并獲取與每一張腦部樣本圖像對應的病灶信息；

根據所述病灶信息，利用機器學習的方法對所述腦部樣本圖像進行特征描述，生成腦卒中病灶信息數據模型；

當獲取腦部掃描圖像后，使用所述腦卒中病灶信息數據模型對腦部掃描圖像進行卒中類型預測。

2.根據權利要求1所述的方法，其特征在于，還包括：

獲取腦部圖像，并對腦部圖像進行預處理，獲取所述腦部樣本圖像。

3.根據權利要求2所述的方法，其特征在于，所述對腦部圖像進行預處理，具體包括：

對腦部圖像進行篩選，去除沒有病灶的腦部圖像；

對去除沒有病灶的腦部圖像后，所剩余的腦部圖像進行高斯濾波或者平滑濾波處理，去除噪音，獲取去噪圖像；

對所述去噪圖像進行降維處理，獲取腦部樣本圖像。

4.根據權利要求1所述的方法，其特征在于，所述病灶信息包括：卒中類型以及病灶輪廓信息；

所述根據所述病灶信息，利用機器學習的方法對所述腦部樣本圖像進行特征描述，生成腦卒中病灶信息數據模型，具體包括：

根據與每一張腦部樣本圖像對應的病灶輪廓信息，從所述腦部樣本圖像中提取腦部樣本圖像的紋理特征、顏色特征；

采用卷積神經網絡的深度學習方法，對所述紋理特征以及顏色特征進行學習訓練，建立卒中類型與紋理特征以及顏色特征之間的關聯關系，生成腦卒中病灶信息數據模型。

5.根據權利要求1-4任意一項所述的方法，其特征在于，所述使用所述腦卒中病灶信息數據模型對腦部掃描圖像進行卒中類型預測，具體包括：

對腦部掃描圖像進行預處理，獲取預處理后的腦部掃描圖像；

使用超像素方法和網格法對腦部掃描圖像進行分割，獲取多張分割圖像；

從每張所述分割圖像中提取預設特征所對應的特征值；所述預設特征與所述腦卒中病灶信息數據模型中的特征一致；

使用每一張分割圖像對應的特征值，作為腦卒中病灶信息數據模型的輸入，獲取模型輸出，并根據模型輸出確定卒中類型。

6.一種腦卒中類型預測裝置，其特征在于，包括：

樣本獲取單元，用于獲取多個腦卒中病人的腦部樣本圖像，并獲取與每一張腦部樣本圖像對應的病灶信息；

機器學習單元，用于根據所述病灶信息，利用機器學習的方法對所述腦部樣本圖像進行特征描述，生成腦卒中病灶信息數據模型；

卒中類型預測單元，用于在獲取腦部掃描圖像時，使用所述腦卒中病灶信息數據模型對腦部掃描圖像進行卒中類型預測。

7.根據權利要求6所述的裝置，其特征在于，還包括：圖像預處理單元，其用于獲取腦部圖像，并對腦部圖像進行預處理，獲取所述腦部樣本圖像。

8.根據權利要求7所述的裝置，其特征在于，所述圖像預處理單元，具體包括：

圖像篩選模塊，用于對腦部圖像進行篩選，去除沒有病灶的腦部圖像；

去噪模塊，用于對去除沒有病灶的腦部圖像后，所剩余的腦部圖像進行高斯濾波或者平滑濾波處理，去除噪音，獲取去噪圖像；

降維模塊，用于對所述去噪圖像進行降維處理，獲取腦部樣本圖像。

9.根據權利要求6所述的裝置，其特征在于，所述機器學習單元具體包括：

特征提取模塊，用于根據與每一張腦部樣本圖像對應的病灶輪廓信息，從所述腦部樣本圖像中提取腦部樣本圖像的紋理特征、顏色特征；

深度學習模塊，用于采用卷積神經網絡的深度學習方法，對所述紋理特征以及顏色特征進行學習訓練，建立卒中類型與紋理特征以及顏色特征之間的關聯關系，生成腦卒中病灶信息數據模型；

其中，所述病灶信息包括：卒中類型以及病灶輪廓信息。

10.根據權利要求6-9任意一項所述的裝置，其特征在于，所述卒中類型預測單元，具體包括：

掃描圖像預處理單元，用于對腦部掃描圖像進行預處理，獲取預處理后的腦部掃描圖像；

圖像分割模塊，用于使用超像素方法和網格法對腦部掃描圖像進行分割，獲取多張分割圖像；

特征值提取模塊，用于從每張所述分割圖像中提取預設特征所對應的特征值；所述預設特征與所述腦卒中病灶信息數據模型中的特征一致；

計算模塊，用于使用每一張分割圖像對應的特征值，作為腦卒中病灶信息數據模型的輸入，獲取模型輸出，并根據模型輸出確定卒中類型。