申请/专利权人：上海市徐汇区大华医院

申请日：2024-03-25

公开（公告）日：2024-05-28

公开（公告）号：CN118096716A

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06T7/136;G06V10/774;G06V10/84;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明属于医学图像处理技术领域，具体为一种基于CTA影像血管特征定量化分析的脑卒中预后预测方法和系统。本发明首先利用基于CTA影像的3D图像块分类方法自动分割全脑血管；而后基于血管3D和2D中心线，分别提取基于整个大脑的血管形态特征，包括：血管面积、血管体积、血管长度、血管节段数、血管直径、分形维数特征、分叉角度、Murray偏差，平均距离因子和聚类系数；为减少特征冗余性，利用基于稀疏表示的三步特征筛选方法选择少量高分辨力特征；最后，建立非参数稀疏表示分类器预测脑卒中预后。本发明方法不仅能够全面精准地量化全脑血管形态学特征，还能够准确预测脑卒中预后，且整个过程由计算机自动完成无需人工干预，可用于临床中基于CTA影像的脑卒中预后预测。

主权项：1.一种基于CTA影像血管特征定量化分析的脑卒中预后预测方法和系统，其特征在于,具体步骤为：步骤一.基于CTA影像的全脑血管分割基于CTA影像的全脑血管分割是血管定量化分析和脑卒中预后预测模型建立的基础。1为减少无关脑区对血管分割的影响，对CTA影像进行去脑皮去脑壳，获取脑实质区域；2利用像素值阈值比较方法对血管区域进行预分割处理，获取待分类像素点集合；3以待分类像素点为中心，提取局部图像块的均值，标准差，众数和熵作为该像素点的特征，建立支撑向量积分类器进行分类得到血管分割结果；4利用马尔可夫随机场模型对血管分割结果进行后处理，提升血管分割的连续性；步骤二.全脑血管特征定量化提取在获取分割血管后，提取血管的3D中心线，进一步量化血管形态结构信息。基于血管3D中心线，提取描述血管形态结构的10个特征，这些特征包括：血管面积、血管体积、血管长度、血管节段数、血管直径、分形维数特征、分叉角度、Murray偏差，平均距离因子和聚类系数。将3D血管投影到2D轴状面，利用阈值比较方法分割2D血管并提取血管中心线，进一步提取2D血管的10个特征；步骤三.机器学习脑卒中预后预测模型建立基于提取的20个脑血管特征，建立机器学习脑卒中预后预测模型。为减少特征的冗余性，使用三步特征筛选法选择少数高分辨力的特征。首先，对每个特征进行独立样本T检验，选择P值小于0.05的特征；然后利用稀疏表示方法对选择特征进行重要性排序；最后通过顺序前进法选择最优特征子集；在特征选择后，建立基于非参数训练的稀疏表示分类器进行分类预测。稀疏表示分类器首先利用稀疏编码和重构计算待测试样与训练集里每类样本间的距离，然后根据K-邻近准则判断测试样本的类别，分类过程具体可表示为： 其中表示待测样本特征选择后的特征，为训练样本特征集，C为样本总类别数。对于本发明二分类问题，取C＝2。γ为稀疏表示控制参数。当获得稀疏表示系数后，计算待测试样与训练集里每类样本间的距离，即各类的表示残差： 其中δc·表示选择第c类特征对应的系数。残差最小的类别即为测试样本的类别，因此最终待测样本类别为将实验数据集按照2:1随机分为交叉验证集和独立测试集进行建模与验证。利用受试者曲线下面积、准确率、敏感性、特异性、阳性预测值和阴性预测值评价模型的效果。

全文数据：

权利要求：

百度查询： 上海市徐汇区大华医院 基于CTA影像血管特征定量化分析的脑卒中预后预测方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD