[發明專利]基于人工智能的顱內動脈瘤風險預測方法及相關裝置

在審

• 申請號: 202011575803.1
• 申請日: 2020-12-28
• 公開（公告）號: CN112617770A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 王碩;劉清源;徐鵬;吳俊;尹亮;姜朋軍;趙嬌
• 申請（專利權）人: 首都醫科大學附屬北京天壇醫院
• 主分類號: A61B5/02
• 分類號: A61B5/02;A61B5/00;G06T7/00;G06T7/10;G16H15/00;G16H50/30
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 李莎

1.一種基于人工智能的顱內動脈瘤風險預測方法，其特征在于，所述方法包括：

獲取待預測醫學影像；所述待預測醫學影像中至少包含動脈瘤的圖形信息；

基于預設的特征分割模型對所述待預測醫學影像進行分割，獲得動脈瘤三維影像；所述動脈瘤三維影像中包含所述動脈瘤的圖形；

對所述動脈瘤的圖形進行測量，獲得動脈瘤的特征數據；

將所述動脈瘤的特征數據和預設的結構化特征數據輸入預設的破裂風險預測模型進行預測，以得到破裂風險數據；

基于所述動脈瘤三維影像、所述動脈瘤的特征數據和所述破裂風險數據，生成醫學診斷報告。

2.根據權利要求1所述的基于人工智能的顱內動脈瘤風險預測方法，其特征在于，獲取待預測醫學影像的步驟，包括：

獲取源醫學影像；所述源醫學影像具有第一圖像格式；

將所述第一圖像格式轉化為第二圖像格式，獲得所述待預測醫學影像。

3.根據權利要求2所述的基于人工智能的顱內動脈瘤風險預測方法，其特征在于，將所述第一圖像格式轉化為第二圖像格式，獲得所述待預測醫學影像之前，還包括：

對所述源醫學影像進行預處理。

4.根據權利要求1所述的基于人工智能的顱內動脈瘤風險預測方法，其特征在于，所述基于預設的特征分割模型對所述待預測醫學影像進行分割，獲得動脈瘤三維影像，包括：

采用圖像識別模型對所述待預測醫學影像進行維分割，獲得所述動脈瘤三維影像。

5.根據權利要求1所述的基于人工智能的顱內動脈瘤風險預測方法，其特征在于，所述預設的結構化特征數據包括以下任意一種及組合：性別、年齡、動脈瘤破裂史、癥狀特征、多發動脈瘤、家族史、吸煙、飲酒、高血脂、高血壓、糖尿病及冠心病。

6.根據權利要求1所述的基于人工智能的顱內動脈瘤風險預測方法，其特征在于，所述特征數據包括以下任意一種及組合：動脈瘤的長徑、寬度、高度、橫徑、長寬比、最長直徑；瘤頸直徑、橫徑、體積、瘤頸面積、入射角及動脈瘤角度；載瘤動脈近端直徑、載瘤動脈遠端直徑、載瘤動脈平均直徑及載動脈瘤長度。

7.一種基于人工智能的顱內動脈瘤風險預測裝置，其特征在于，包括：

獲取模塊，用于獲取待預測醫學影像；所述待預測醫學影像中至少包含動脈瘤的圖形信息；

動脈瘤分割模塊，用于基于預設的特征分割模型對所述待預測醫學影像進行分割，獲得動脈瘤三維影像；所述動脈瘤三維影像中包含所述動脈瘤的圖形；

測量模塊，用于對所述動脈瘤的圖形進行測量，獲得動脈瘤的特征數據；

破裂風險預測模塊，用于將所述動脈瘤的特征數據和預設的結構化特征數據輸入預設的破裂風險預測模型進行預測，以得到破裂風險數據；

生成模塊，用于基于所述動脈瘤三維影像、所述動脈瘤的特征數據和所述破裂風險數據，生成醫學診斷報告。

8.根據權利要求7所述的基于人工智能的顱內動脈瘤風險預測裝置，其特征在于，所述獲取模塊包括格式轉換單元，所述格式轉換單元，用于獲取源醫學影像；所述源醫學影像具有第一圖像格式；將所述第一圖像格式轉化為第二圖像格式，獲得所述待預測醫學影像。

9.一種電子設備，其特征在于，包括：包括處理器和存儲器，所述存儲器存儲有能夠被所述處理器執行的計算機程序，所述處理器可執行所述計算機程序以實現權利要求1-6任意一項所述的基于人工智能的顱內動脈瘤風險預測方法。

10.一種存儲介質，其特征在于，所述存儲介質存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被處理器執行實現權利要求1-6任意一項所述的基于人工智能的顱內動脈瘤風險預測方法。