[發(fā)明專利]一種評估顱內(nèi)動脈瘤破裂風險的方法、裝置、計算機設備

在審

• 申請?zhí)枺?/td>: 201910207881.7
• 申請日: 2019-03-19
• 公開（公告）號: CN109961850A
• 公開（公告）日: 2019-07-02
• 發(fā)明（設計）人: 肖仁德
• 申請（專利權(quán)）人: 肖仁德
• 主分類號: G16H50/30
• 分類號: G16H50/30;G06T17/00;A61B5/02;A61B5/026;G06N20/00
• 代理公司: 北京眾合誠成知識產(chǎn)權(quán)代理有限公司 11246
• 代理人: 馬曉靜

本申請涉及一種評估顱內(nèi)動脈瘤破裂風險的方法，所述方法包括：獲取影像數(shù)據(jù)；獲取待評估血管中的起點和終點得到一段目標血管；通過切割平面對目標血管進行切割區(qū)分出動脈瘤壁以及血管壁；分析并獲取動脈瘤以及動脈瘤周圍的血管的參數(shù)信息；根據(jù)動脈瘤以及血管的參數(shù)信息分配血流量，并通過體積模擬算法對血管以及動脈瘤進行血液流動模擬，并根據(jù)模擬結(jié)果提取動脈瘤的多種壁面剪切應力參數(shù)和對應的血流動力學參數(shù)；獲取臨床參數(shù)的多種數(shù)據(jù)；根據(jù)機器學習算法對臨床參數(shù)、動脈瘤的多種壁面剪切應力參數(shù)、對應的血流動力學參數(shù)以及動脈瘤和承載動脈瘤的血管的參數(shù)信息計算出動脈瘤的破裂風險。

技術領域

本申請涉及顱內(nèi)動脈瘤破裂風險評估技術領域，特別是涉及一種評估顱內(nèi)動脈瘤破裂風險的方法、裝置、計算機設備。

背景技術

腦血管瘤，又稱顱內(nèi)動脈瘤，是由顱內(nèi)動脈內(nèi)腔異常擴張，形成動脈壁的一種瘤狀突起。該病是常見顱內(nèi)血管病，該病可見于占總?cè)丝诘?%至7%。顱內(nèi)血管瘤可分為非破裂血管瘤(UIA)及破裂血管瘤（RA），絕大部分的血管瘤為非破裂血管瘤(UIA)，終生不會破裂，其年破裂率僅為0.05%。然而血管瘤一旦破裂，將引發(fā)自發(fā)性蛛網(wǎng)膜下隙出血，致死致殘率超過50%。在各種因腦血管病造成的死亡中，腦血管瘤僅次于腦血栓和高血壓腦出血，是威脅人類生命健康的最常見的重大疾病。

目前治療顱內(nèi)動脈瘤的手段分為三種：非手術性的保守治療、開顱動脈瘤夾閉手術以及微創(chuàng)血管內(nèi)介入手術。非手術性的保守治療主要目的在于防止再出血和腦動脈痙攣，并不能根除病灶。開顱夾閉手術曾是上個世紀的主要治療手段，然而開顱手術本身也是一項高風險手術，手術風險可達10%。微創(chuàng)血管內(nèi)介入手術是目前最廣泛使用的治療手段，主要有線圈栓塞或血管重建裝置。然而，即使是手術風險較低的微創(chuàng)介入治療，病情復發(fā)的致死致殘率也超過10%。同時，線圈栓塞手術費用需要5-10萬，而更先進的血管重建裝置則需要20萬以上。巨額的手術費用對病人來說也是一個沉重的負擔，

腦血管瘤的實際發(fā)病風險遠低于手術治療帶來的風險，因此，國際UIA研究指出，基于腦血管瘤的自然史，對腦血管瘤的治療需要慎重權(quán)衡，在具體的決策中需要個體化的綜合權(quán)衡評估。國際上針對腦血管瘤的破裂風險，提出了一種風險評價標準-PHASES得分，該評價方法基于統(tǒng)計學分析，從腦血管瘤的位置、大小、人群、過往病史以及年齡推測出腦血管瘤的五年破裂風險。然而，該標準是根據(jù)對種群的統(tǒng)計學分析，忽略了實際中病人各異的血管瘤形態(tài)、血流動力學模式，因此對血管瘤的風險評估并不準確，尤其容易低估小型動脈瘤的破裂風險，而在臨床中，小型動脈瘤占比超過93%。

近年來的研究顯示，動脈瘤的破裂與動脈瘤的形態(tài)、血流動力學有統(tǒng)計學顯著關系。然而，動脈瘤的形態(tài)參數(shù)計算較麻煩，同時用戶在測量中存在很大的操作隨機性，計算結(jié)果不準確。血流動力學的計算就更麻煩且耗時，需要對醫(yī)學圖像進行一系列的表面重建、網(wǎng)格生成、流體模擬、流場結(jié)果后處理等操作，對于臨床醫(yī)生而言，本身并不具備相關工程、算法知識，操作不方便且結(jié)果不準確。同時，研究也顯示，動脈瘤的破裂是一個多方因素共同作用的后果，需要綜合多種分析結(jié)果才能作出準確的判斷，這對于臨床醫(yī)生也是巨大的挑戰(zhàn)。

發(fā)明內(nèi)容

基于此，有必要針對上述技術問題，提供一種能夠評估顱內(nèi)動脈瘤破裂風險的方法、裝置、計算機設備。

一種評估顱內(nèi)動脈瘤破裂風險的方法，所述方法包括：

獲取數(shù)據(jù)：獲取影像數(shù)據(jù)。

處理數(shù)據(jù)：對獲取到的影像數(shù)據(jù)通過閾值分割法建立三維模型。

獲取種子點：獲取三維模型的種子點并確定種子點對應的三維模型。

呈現(xiàn)三維圖像：通過碰撞前端法對所述種子點對應的三維模型進行重新分割，呈現(xiàn)出三維圖像。

重建待評估血管：用marching cube算法對所述三維圖像進行重建得到待評估血管的形狀。