CN119417747A 一种脑卒中预后预测方法及系统 （复旦大学）

本发明公开了一种脑卒中预后预测方法及所述CTP图像进行特征提取，分别得到全脑血管2步骤S4、根据所述全脑血管的形态学特征、所述梗死核心步骤S31、利用中心线提取算法提取所述全脑血管分割结果中的全脑血管对应的3D血步骤S34、利用所述中心线提取算法提取所述2D血管分割结果中的所述全脑血管对应将若干所述健康侧3D形态学特征与若干所述患病侧3D形态学特征，3步骤S312、对所述伪彩图上的梗死核心区域提取梗死核心区域步骤S314、根据标注的若干所述关键血管点在分割后的所述CTP图像上的像素值绘制步骤S317、计算不同的所述关键血管点的所述关键血脑卒中预后预测模型对未知预后结果的病例进行基于机器学习的预后预测模型建立模块，用于根据所述全脑4[0002]到2019年，全球脑卒中事件的绝对数量增加了70.0脑卒中患病率增加了人工识别侧支血管数量对于脑卒中预后预测模型是不够的，建立可靠有效的预后预测模5灌注特征和所述关键点血流差异特征进行特征选择，得到高分辨力特征。步骤S43、步骤6性预测值和阴性预测值对所述脑卒中预后预测模[0019]本发明利用机器学习构建脑卒中预后预测模型，减少了人工[0021]本发明使用包括灰度特征和纹理特征在内的高通量影像组学特征描述梗死核心血管点的灌注特征对整个梗死下游区域血流信息进行描述，有效反应了整个大脑血流情[0025]图3为本发明一实施例提供的mRS(改良Rankin量表)预测结果的ROC曲线(受试者[0027]以下结合附图和具体实施方式对本发明提出的一种脑卒中预后预测方法及系统7(动脉血管密度或动脉内径等)可以促进发现潜在有效的诊断和预测生物[0031]本实施例利用具有先验血管领域分割优势的3D_Unet模型对于CTP图像进行全脑差异特征；然后基于CTP图像每一个像素的时间_密度曲线进行分析构建灌注指标伪彩图，基于最小绝对收缩和选择算子的特征筛选方法提取少数高分辨力特征并建立基于机器学[0033]本实施例利用机器学习构建脑卒中预后预测模型，减少了人工识别的主观差异[0036]步骤S23、将所述训练图像输入所述初始3D_Unet(3D_Unet是一种3D_Unet卷积神8例在每个ReLU(RectifiedLinearUnit，修正线性单元)前加入批归一化(BatchSimilarityCoefficient，Dice/DSC是一种常用的分割评价指标)和TPR(TruePositive批尺寸设置为2，卷积核L2范数约束权重为1e_5，采用自适应矩估计(AdaptiveMoment算平台为3.00GHz的IntelXeonE5_2587W(v4)CPU(是一种高性能处理器)和NvidiaTitan[0044]步骤S34、利用所述中心线提取算法提取所述2D血管分割结果中的所述全脑血管9态学特征的步骤与获取3D血管形态学特征的步骤相同。对2D血管分割结果提取中心线后，[0050]最后，在3D和2D形势下分别使用健康一侧血管的特征值得到3D和2D形式的血管各11个形态学特征差值；最终每个病例提取血管形态学特征44个，其中2D和3D特征各22个(11个全脑血管[0056]步骤S312、对所述伪彩图上的梗死核心区域提取梗死核率计算脑血流量(CerebralBloodFlow，CBF)，根据曲线下的面积计算出脑血容量变化的趋势绘制成时间一密度散点图，并使用matlab的fit函数将散点图拟合成为高斯曲值图像化，构建该扫描层的TTP、CBF和CBV伪彩图。使用spm12工具(Statistical中区域的高通量特征：使用均值方差等函数计算18个灰度特征和使用extract_texture_[0066]本实施例使用包括灰度特征和纹理特征在内的高通量影像组学特征描述梗死核[0068]步骤S314、根据标注的若干所述关键血管点在分割后的所述CTP图像上的像素值所述关键血流点特征的差值为不同的所述关键血管点的所述TTP、所述CBF和所述CBV间的所述CBF和所述CBV的差值即为该关键血流表，患者可以根据此量表判定脑卒中恢复状况)作为标签建立2分类模型(Rankin量表值小收缩和选择算子的特征筛选方法选择少数高分辨力特征；将脑卒中预后3个月改良Rankin机的分类模型对其进行分类预测。采用受试者操作特征(ROC)曲线来评估四个预测模型的特征的良好预后和不良预后组之间的差异。使用错误发现率(FDR)方法来校正测试结果以大被识别为梗塞逆转的病例。现了0.83的DSC(DiceSimilarityCoefficient)和78.96％的TPR(TruePositiveRate)。[0101]本实施例利用全脑血管血流和实质灌注特征的联合对脑卒中预后进行预测以及[0106]本实施例首先利用了3D_Unet网络模型对计算机断层扫描灌注(CTP)图像中的血述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的