[發明專利]卒中后認知障礙風險評估模型建立方法、裝置及電子設備

在審

• 申請號: 202210487286.5
• 申請日: 2022-05-06
• 公開（公告）號: CN115089112A
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 徐楓;馬靚笛;郭雨晨
• 申請（專利權）人: 清華大學
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/11
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 黃德海

1.一種卒中后認知障礙風險評估模型建立方法，其特征在于，包括以下步驟：

獲取目標人群的多種模態的影像數據集、臨床報告數據集、語音數據集和視頻數據集；

將所述多種模態的影像數據集輸入至預先構建的腦卒中分割模型，得到所述目標人群的卒中病灶的大小和位置特征，并基于預先構建的卒中后認知障礙PSCI關聯性分析模型對所述臨床報告數據集進行分析，得到所述目標人群的PSCI風險概率；

將所述語音數據集輸入至預先構建的卒中后語言功能障礙評估模型，得到所述目標人群的語言功能障礙評級，將所述視頻數據集輸入至卒中后運動功能障礙評估模型，得到所述目標人群的運動功能障礙評級；以及

基于所述卒中病灶的大小和位置特征、所述PSCI風險概率、所述語言功能障礙評級和所述運動功能障礙評級，訓練由多層神經網絡構成的預測模型，得到卒中后認知障礙風險評估模型。

2.根據權利要求1所述的方法，其特征在于，在將所述多種模態的影像數據集輸入至預先構建的腦卒中分割模型之前，還包括：

利用醫學圖像配準方法對所述多種模態的影像數據集配準，得到配準后的多種模態的影像數據集；

基于所述配準后的多種模態的影像數據集和對應的診斷結果，訓練預設的卷積神經網絡，生成所述腦卒中分割模型。

3.根據權利要求2所述的方法，其特征在于，在基于所述卒中后認知障礙PSCI關聯性分析模型對所述臨床報告數據集進行分析之前，還包括：

利用自然語言處理算法，從所述臨床報告數據集中學習人口學特征、臨床因素與卒中后認知障礙的關聯性；

根據所述關聯性構建所述PSCI關聯性分析模型。

4.根據權利要求3所述的方法，其特征在于，在將所述語音數據集輸入至所述卒中后語言功能障礙評估模型之前，還包括：

從所述語音數據集中提取與語言功能相關特征；

基于所述與語言功能相關特征對循環神經網絡進行訓練，構建所述卒中后語言功能障礙評估模型。

5.根據權利要求4所述的方法，其特征在于，在將所述視頻數據集輸入至所述卒中后運動功能障礙評估模型之前，還包括：

利用神經網絡和頻譜分析技術，從所述視頻數據集中提取人體關節運動；

基于所述人體關節運動，計算關節點坐標的包絡面得到人體運動振幅，并使用小波變換擬合所述人體運動振幅，得到關節震顫的頻率；

基于所述人體運動振幅和所述關節震顫的頻率，構建所述卒中后運動功能障礙評估模型。

6.一種卒中后認知障礙風險評估模型建立裝置，其特征在于，包括：

采集模塊，用于獲取目標人群的多種模態的影像數據集、臨床報告數據集、語音數據集和視頻數據集；

風險分析模塊，用于將所述多種模態的影像數據集輸入至預先構建的腦卒中分割模型，得到所述目標人群的卒中病灶的大小和位置特征，并基于預先構建的卒中后認知障礙PSCI關聯性分析模型對所述臨床報告數據集進行分析，得到所述目標人群的PSCI風險概率；

評級模塊，用于將所述語音數據集輸入至預先構建的卒中后語言功能障礙評估模型，得到所述目標人群的語言功能障礙評級，將所述視頻數據集輸入至卒中后運動功能障礙評估模型，得到所述目標人群的運動功能障礙評級；以及

生成模塊，用于基于所述卒中病灶的大小和位置特征、所述PSCI風險概率、所述語言功能障礙評級和所述運動功能障礙評級，訓練由多層神經網絡構成的預測模型，得到卒中后認知障礙風險評估模型。

7.根據權利要求6所述的裝置，其特征在于，在將所述多種模態的影像數據集輸入至預先構建的腦卒中分割模型之前，所述風險分析模塊，具體用于：

利用醫學圖像配準方法對所述多種模態的影像數據集配準，得到配準后的多種模態的影像數據集；

基于所述配準后的多種模態的影像數據集和對應的診斷結果，訓練預設的卷積神經網絡，生成所述腦卒中分割模型。