[發明專利]基于神經網絡的動脈瘤破裂預測方法、裝置及存儲介質

在審

• 申請號: 202110336245.1
• 申請日: 2021-03-29
• 公開（公告）號: CN113066574A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 馬學升;劉偉奇
• 申請（專利權）人: 昆明同心醫聯科技有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/30;A61B6/00;G06N3/04;G06N3/08
• 代理公司: 北京知果之信知識產權代理有限公司 11541
• 代理人: 卜榮麗;李志剛

1.一種基于神經網絡的動脈瘤破裂預測方法，其特征在于，包括：

獲取血管的3D-DSA圖像，基于所述3D-DSA圖像獲取圖像中每個動脈瘤的血管幾何形狀信息以及血液動力學參數；

對所述血管幾何形狀信息以及血液動力學參數中分別包括的平均流量參數、動脈瘤流入率、周轉時間進行量化；

將量化后的血管幾何形狀信息、血液動力學參數以及健康檢查數據作為神經網絡模型的輸入，得到動脈瘤破裂預測數據。

2.根據權利要求1所述的動脈瘤破裂預測方法，其特征在于，

所述神經網絡模型包括依次連接的輸入層、中間層以及輸出層；

所述輸入層包括16個神經元，其中每個神經元對應一個特征模型；

所述中間層包括由32個神經元組成的單個隱藏層；

所述血管幾何形狀信息、血液動力學參數以及健康檢查數據分別輸入至所述輸入層后至所述中間層，所述中間層基于ReLU激活函數輸入層輸入的數據進行處理后輸出至輸出層，所述輸出層S型函數對中間層輸入的數據進行處理得到動脈瘤破裂預測數據。

3.根據權利要求1所述的動脈瘤破裂預測方法，其特征在于，

所述神經網絡模型包括基于以下公式得到動脈瘤破裂預測數據，包括：

RIM_C＝0.45SR_Hmax+0.17UI+0.21RRT+0.17(分歧)

RIM_M＝0.65_Hmax+0.16UI+0.19(分歧)

其中，RIMc以及RIMm分別為參考信息模型，Hmax為血管最大高度，SRHmax為血管最大高度尺寸比率，UI為起伏指數，UI用于代表動脈瘤表面不規則程度，RRT為相對停留時間。

4.根據權利要求1所述的動脈瘤破裂預測方法，其特征在于，

所述健康檢查數據包括年齡、性別、體重系數、動脈瘤大小、動脈瘤高度、血液相對保留時間、瘤體寬頸與瘤體比、高密度脂蛋白、低密度脂蛋白、壁面剪應力均值、壓力均值、丙氨酸轉氨酶、吸煙狀況、遺傳性高血壓，遺傳性心臟病以及遺傳性糖尿病中的任意一種或多種。

5.根據權利要求1所述的動脈瘤破裂預測方法，其特征在于，

獲取動脈瘤的部位信息，基于動脈瘤的部位得到該動脈瘤的破裂頻率；

將破裂頻率最高的動脈瘤識別標記為已經破裂；

若標記為破裂的動脈瘤和未標記為破裂的動脈瘤處于同一個動脈且頻率相同，則將次識別為破裂的動脈瘤標記為識別錯誤。

6.一種基于神經網絡的動脈瘤破裂預測裝置，其特征在于，包括：

獲取模塊，用于獲取血管的3D-DSA圖像，基于所述3D-DSA圖像獲取圖像中每個動脈瘤的血管幾何形狀信息以及血液動力學參數；

量化模塊，用于對所述血管幾何形狀信息以及血液動力學參數中分別包括的平均流量參數、動脈瘤流入率、周轉時間進行量化；

生成模塊，用于將量化后的血管幾何形狀信息、血液動力學參數以及健康檢查數據作為神經網絡模型的輸入，生成動脈瘤破裂預測數據。

7.根據權利要求6所述的動脈瘤破裂預測裝置，其特征在于，

所述神經網絡模型包括依次連接的輸入層、中間層以及輸出層；

所述輸入層包括16個神經元，其中每個神經元對應一個特征模型；

所述中間層包括由32個神經元組成的單個隱藏層；

所述血管幾何形狀信息、血液動力學參數以及健康檢查數據分別輸入至所述輸入層后至所述中間層，所述中間層基于ReLU激活函數輸入層輸入的數據進行處理后輸出至輸出層，所述輸出層S型函數對中間層輸入的數據進行處理得到動脈瘤破裂預測數據。