血肿扩大预测方法及装置转让专利
申请号 : CN201910583573.4
文献号 : CN110288589B
文献日 : 2021-07-02
发明人 : 林涛 , 王德任 , 张文龙 , 张洪 , 吴芝明
申请人 : 四川大学
摘要 :
权利要求 :
1.一种血肿扩大预测方法,其特征在于,所述方法包括:获取临床检查数据和包含血肿的电子计算机断层扫描CT图像;
将所述CT图像输入预设的自动分割模型进行分割,得到分割结果,并依据所述分割结果计算出血肿体积;
将所述分割结果、血肿体积及所述临床检查数据组成测试样本;
计算预设的多个支撑样本中每个所述支撑样本与所述测试样本之间的匹配度,并依据多个匹配度,预测所述血肿是否会扩大;
其中,当所述支撑样本为非血肿扩大患者的样本时,所述计算预设的多个支撑样本中每个所述支撑样本与所述测试样本之间的匹配度,并依据多个匹配度,预测所述血肿是否会扩大的步骤,包括:
计算预设的多个支撑样本中每个所述支撑样本与所述测试样本之间的第一匹配度;
将多个第一匹配度中的每个第一匹配度均与预设匹配值进行对比;
统计所述多个第一匹配度中大于所述预设匹配值的第一匹配数量;
当所述第一匹配数量大于预设数量时,预测血肿不会扩大;
当所述第一匹配数量小于或者等于预设数量时,预测血肿会扩大。
2.根据权利要求1所述的方法,其特征在于,当所述支撑样本为血肿扩大患者的样本时,所述计算预设的多个支撑样本中每个所述支撑样本与所述测试样本之间的匹配度,并依据多个匹配度,预测所述血肿是否会扩大的步骤,包括:计算预设的多个支撑样本中每个所述支撑样本与所述测试样本之间的第二匹配度;
将多个第二匹配度中的每个第二匹配度均与预设匹配值进行对比;
统计所述多个第二匹配度中大于所述预设匹配值的第二匹配数量;
当所述第二匹配数量大于预设数量时,预测血肿会扩大;
当所述第二匹配数量小于或者等于预设数量时,预测血肿不会扩大。
3.根据权利要求1所述的方法,其特征在于,所述自动分割模型包括混合空洞分割网络,所述CT图像包括多张断层图像,所述将所述CT图像输入预设的自动分割模型进行分割,得到分割结果,并依据所述分割结果计算出血肿体积的步骤,包括:将所述多张断层图像输入所述混合空洞分割网络进行图像分割,得到每张断层图像对应的包含血肿区域和非血肿区域的分割图像,构成分割结果;
依据分割结果,统计每张断层图像对应的血肿区域的血肿像素点数量;
获取每张断层图像的图像厚度和血肿像素点面积;
将所有的血肿像素点数量、以及所述每张断层图像的图像厚度和血肿像素点面积带入血肿体积计算公式进行体积计算,得到血肿体积。
4.根据权利要求3所述的方法,其特征在于,所述血肿体积计算公式表达式如下:其中,pixelsi为第i张断层图像对应的血肿像素点数量,areai为第i张断层图像的血肿像素点面积,thicknessi为第i张断层图像的图像厚度,n为CT图像中断层图像的数量,V为血肿体积。
5.根据权利要求4所述的方法,其特征在于,所述混合空洞分割网络包括5个池化层,共包含9个卷积块,每个卷积块中的每个卷积层的卷积核均由空洞率分别为1、2、3、5的3*3四组空洞卷积组成。
6.根据权利要求1‑3任一项所述的方法,其特征在于,所述计算预设的多个支撑样本中每个所述支撑样本与所述测试样本之间的匹配度的步骤,包括:对所述测试样本中的分割结果进行特征提取,得到图像特征向量;
将所述图像特征向量与所述血肿体积、临床检查数据进行拼接,得到血肿特征向量;
获取每个支撑样本对应的预设特征向量;
计算所述血肿特征向量与每个所述预设特征向量之间的匹配度。
7.一种血肿扩大预测装置,其特征在于,所述装置包括:获取模块,用于获取临床检查数据和包含血肿的电子计算机断层扫描CT图像;
处理模块,用于将所述CT图像输入预设的自动分割模型进行分割,得到分割结果,并依据所述分割结果计算出血肿体积;将所述分割结果、血肿体积及所述临床检查数据组成测试样本;计算预设的多个支撑样本中每个所述支撑样本与所述测试样本之间的匹配度,并依据多个匹配度,预测所述血肿是否会扩大;
其中,当所述支撑样本为血肿未扩大患者的样本时,所述处理模块具体用于:计算预设的多个支撑样本中每个所述支撑样本与所述测试样本之间的第一匹配度;
将多个第一匹配度中的每个第一匹配度均与预设匹配值进行对比;
统计所述多个第一匹配度中大于所述预设匹配值的第一匹配数量;
当所述第一匹配数量大于预设数量时,预测血肿不会扩大;
当所述第一匹配数量小于或者等于预设数量时,预测血肿会扩大。
8.根据权利要求7所述的装置,其特征在于,当所述支撑样本为血肿体积扩大患者的样本时,所述处理模块具体用于:
计算预设的多个支撑样本中每个所述支撑样本与所述测试样本之间的第二匹配度;
将多个第二匹配度中的每个第二匹配度均与预设匹配值进行对比;
统计所述多个第二匹配度中大于所述预设匹配值的第二匹配数量;
当所述第二匹配数量大于预设数量时,预测血肿会扩大;
当所述第二匹配数量小于或者等于预设数量时,预测血肿不会扩大。
说明书 :
血肿扩大预测方法及装置
技术领域
背景技术
常是由高血压、高血糖、高血脂和抽烟等因素引起的。该疾病发病突然,病情凶险,治疗费
用、复发率、致残率和死亡率都很高,超过40%的脑出血患者会在一个月内死亡,幸存的患
者中80%的需要依靠他人的护理而活着,减轻ICH疾病的负担能有效地降低我国在医疗服
务上中整体负担。
较长,在通过此类方式判断出发生血肿扩大时,预示着患者病情很可能会恶化甚至死亡,用
该方法判定是否血肿扩大不够及时,会导致部分患者在此期间病情恶化甚至死亡。
发明内容
进行分割,得到分割结果,并依据所述分割结果计算出血肿体积;将所述分割结果、血肿体
积及所述临床检查数据组成测试样本;计算预设的多个支撑样本中每个所述支撑样本与所
述测试样本之间的匹配度,并依据多个匹配度,预测所述血肿是否会扩大。
CT图像输入预设的自动分割模型进行分割,得到分割结果,并依据所述分割结果计算出血
肿体积;将所述分割结果、血肿体积及所述临床检查数据组成测试样本;计算预设的多个支
撑样本中每个所述支撑样本与所述测试样本之间的匹配度,并依据多个匹配度,预测所述
血肿是否会扩大。
算血肿体积,然后将分割结果、血肿体积及临床检查数据组成测试样本,再计算预设的多个
支撑样本中每个支撑样本与测试样本的匹配度,并依据多个匹配度,预测血肿是否会发生
扩大。依据已有的图像数据和临床检查数据对血肿是否会扩大进行预测,能够提前预知是
否会发生血肿扩大,并进行相应的处理,避免了判定血肿扩大不及时,导致部分患者在此期
间病情恶化甚至死亡的情况。
附图说明
范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这
些附图获得其它相关的附图。
具体实施方式
此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因
此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的
范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术用人员在没有
做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
33%或6毫升,则判定为血肿扩大,发生血肿扩大预示着患者病情很可能会恶化甚至死亡,
而随访CT检查与基线CT检查时间间隔相对较长,用该方法判定是否血肿扩大不够及时,会
导致部分患者在此期间病情恶化甚至死亡。
会扩大进行预测,能够提前预知是否会发生血肿扩大,及时地预测患者是否会发生血肿扩
大,是对ICH患者进行进一步诊断和治疗的关键。
digital assistant,PDA)等等。请参阅图1,图1示出了本发明实施例提供的电子设备的部
分结构示意图,电子设备100包括处理器101、存储器102、总线103及通信接口104。处理器
101、存储器102及通信接口104通过总线103连接,处理器101用于执行存储器102中存储的
可执行模块,例如计算机程序。
完成。上述的处理器101可以是通用处理器101,包括中央处理器(Central Processing
Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器
(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific
Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,
简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only
Memory,ROM),可编程只读存储器(Programmable Read‑Only Memory,PROM),可擦除只读存
储器(Erasable Programmable Read‑Only Memory,EPROM),电可擦除只读存储器
(Electric Erasable Programmable Read‑Only Memory,EEPROM)等。
线等。图1中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
肿扩大预测装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器
102中或固化在电子设备100的操作系统(operating system,OS)中的软件功能模块。所述
处理器101在接收到执行指令后,执行所述程序以实现血肿扩大预测方法。
各组件可以采用硬件、软件或其组合实现。
肿扩大预测方法的流程图。血肿扩大预测方法包括以下步骤:
CT图像可以是对患者脑部进行拍摄,得到的包含血肿的CT图像。CT图像包括多张断层图像,
且每张断层图像均有其对应的图像厚度。需要说明的是,临床检查数据和CT图像均属于同
一患者。
络可以包括5个池化层,共包含9个卷积块,请参阅图4,每个卷积块中的每个卷积层的卷积
核均由空洞率分别为1、2、3、5的3*3四组空洞卷积组成。
值与空洞率相同的外衬操作来保持特征图尺寸一致。经过卷积操作后,对特征图进行批规
范化,接着使用线性整流函数进行非线性激活。在收缩阶段,每经过一个卷积块操作,则对
特征图进行2×2的池化操作。在扩张阶段,每经过一个卷积块操作,则对原始特征图进行2
×2的转置卷积,并与同一阶高分辨率的特征进行叠操作,例如,卷积块4‑2的输入特征图共
包含了512个,其中256个通过低分辨率的特征图转置卷积而来,另256个通过直接复制了卷
积块4‑1输出的较高分辨率特征图。
更深,研究表明,窄而深的网络效果可能会更好。(2)神经元个数更少,引入混合空洞卷积,
提升感受野,并结合U‑Net能够捕获多尺度的上下文信息的特征,使得该网络能够适应不同
尺寸的血肿,同时使用与空洞率对应的外衬值,避免了对特征图进行剪裁。
出的分割结果带入体积计算网络,可以计算出血肿体积。
像的总和。请参阅图6,白色部分为血肿区域,黑色部分为非血肿区域。
像输入混合空洞分割网络,以使混合空洞分割网络对该断层图像进行分割,得到该断层图
像对应的包含血肿区域和非血肿区域的分割图像,对每张断层图像均进行相同的处理,可
以得到每张断层图像对应的分割图像,所有的断层图像对应的分割图像共同构成了分割结
果。
果,统计每张断层图像对应的血肿区域的血肿像素点数量步骤,可以理解为,统计每一张断
层图像对应的分割图像中表征血肿区域(图6中白色区域)的像素点的数量,即可得到每张
断层该图像对应的血肿像素点数量。
均有着其对应的图像厚度和血肿像素点面积,在进行一次CT的拍摄得到所有的断层图像的
图像厚度和血肿像素点的血肿像素点面积一般是一致的。获取每张断层图像的图像厚度和
血肿像素点面积的步骤,可以理解为,从CT设备中导出CT文件,CT文件中包含有每张断层图
像的图像厚度、以及血肿像素点的长和宽,依据血肿像素点的长和宽,可以得到血肿像素点
面积。
的图像厚度和血肿像素点面积带入血肿体积计算公式中,即可得到患者的血肿体积。血肿
体积计算公式表达式如下:
层图像的数量。
量为124;第三张断层图像的血肿像素点数量为218;第四张断层图像的血肿像素点数量为
327;第五张断层图像的血肿像素点数量为116时,血肿体积V=234*25*6+124*25*6+218*
3
25*6+327*25*6+116*25*6=152850mm。
检查数据。需要说明的是,在执行一次步骤S4的过程当中,所有的支撑样本应属于同一类型
的,或者是均为非血肿扩大患者对应的支撑样本,或者均是血肿扩大患者对应的支撑样本。
获取支撑样本的方式可以与获取预测样本的方式一致,对支撑样本和测试样本进行相同的
处理。
中大于预设匹配度的匹配数量,并依据该匹配数量来预设血肿是否会扩大。
第一匹配度的步骤,可以理解为,将测试样本和一个支撑样本输入预设的三维孪生网络,即
可计算出该支撑样本与测试样本之间的第一匹配度,按照上述的方式,对多个支撑样本中
的每一个支撑样本均进行相同的处理,即可得到多个支撑样本中的每一个支撑样本与测试
样本之间的第一匹配度。
络可以包含两个相同的子特征提取网络,分别用于对测试样本中的分割结果进行特征提取
和对支撑样本中分割结果进行特征提取。
和最大池化操作,卷积块1‑1、1‑3中的最大池化尺寸为2×2×1,卷积块1‑2中的最大池化尺
寸为2×2×2,经过卷积块1‑3操作后,将特征图展平,变为一维的特征图,并通过全连接层
1‑1将特征变为64长度的一维特征向量,即为图像特征向量。
接,得到血肿特征向量的步骤,可以理解为,首先,将测试样本中的血肿体积与临床检查数
据进行拼接,得到统计特征1,然后,将统计特征1与图像特征向量进行拼接,即可得到血肿
特征向量。
征向量;然后,将支撑样本中的血肿体积与临床检查数据进行拼接,得到统计特征2;最后,
将统计特征2与支撑样本对应的特征向量进行拼接,即可得到预设特征向量。其中,利用特
征提取网络中的子特征提取网络对支撑样本中的分割结果进行特征提取,得到支撑样本对
应的特征向量的具体的过程与对测试样本中的分割结果进行特征提取过程一致,在此不再
赘述。
备100的存储器102内,再次获取支撑样本对应的预设特征向量时,直接使用即可,无需进行
重复计算。只有对于新增加的支撑样本,才执行上述的步骤。
征向量输入全连接块2‑1,得到一个长度为128的特征向量,然后,将该长度为128的特征向
量输入全连接块2‑2,得到一个长度为64的特征向量,最后,将该长度为64的特征向量输入
一个1×1的全连接层,得到血肿特征向量与预设特征向量之间的匹配度,即为第一匹配度。
(例如,60%)进行比较,将大于预设匹配值的第一匹配度置1,将小于预设匹配值的第一匹
配度置0,然后统计第一匹配度为1的数量,即可得到第一匹配数量。
置为1,第一匹配度30%、25%均小于预设匹配值60%,将第一匹配度30%、25%均置为0,最
后,统计1的数量为3,第一匹配数量为3。
二匹配度的步骤,可以理解为,将测试样本和一个支撑样本输入预设的三维孪生网络,即可
计算出该支撑样本与测试样本之间的第二匹配度,按照上述的方式,对多个支撑样本中的
每一个支撑样本均进行相同的处理,即可得到多个支撑样本中的每一个支撑样本与测试样
本之间的第二匹配度。
(例如,60%)进行比较,将大于预设匹配值的第二匹配度置1,将小于预设匹配值的第二匹
配度置0,然后统计第二匹配度为1的数量,即可得到第二匹配数量。
置为1,第二匹配度40%、15%均小于预设匹配值60%,将第二匹配度40%、15%均置为0,最
后,统计1的数量为3,第二匹配数量为3。
实现,也可以为该电子设备100中的处理器101实现,请参阅图11,图11示出了本发明实施例
提供的血肿扩大预测装置的方框示意图。血肿扩大预测装置200包括获取模块201和处理模
块202。
算预设的多个支撑样本中每个支撑样本与测试样本之间的匹配度,并依据多个匹配度,预
测血肿是否会扩大。
测血肿是否会扩大的步骤,具体用于:计算预设的多个支撑样本中每个支撑样本与测试样
本之间的第一匹配度;将多个第一匹配度中的每个第一匹配度均与预设匹配值进行对比;
统计多个第一匹配度中大于预设匹配值的第一匹配数量;当第一匹配数量大于预设数量
时,预测血肿不会扩大;当第一匹配数量小于或者等于预设数量时,预测血肿会扩大。
血肿是否会扩大的步骤,具体用于:计算预设的多个支撑样本中每个支撑样本与测试样本
之间的第二匹配度;将多个第二匹配度中的每个第二匹配度均与预设匹配值进行对比;统
计多个第二匹配度中大于预设匹配值的第二匹配数量;当第二匹配数量大于预设数量时,
预测血肿会扩大;当第二匹配数量小于或者等于预设数量时,预测血肿不会扩大。
据分割结果计算出血肿体积的步骤,具体用于:将多张断层图像输入混合空洞分割网络进
行图像分割,得到每张断层图像对应的包含血肿区域和非血肿区域的分割图像,构成分割
结果;依据分割结果,统计每张断层图像对应的血肿区域的血肿像素点数量;获取每张断层
图像的图像厚度和血肿像素点面积;将所有的血肿像素点数量、以及每张断层图像的图像
厚度和血肿像素点面积带入血肿体积计算公式进行体积计算,得到血肿体积。
V为血肿体积。
图像特征向量;将图像特征向量与血肿体积、临床检查数据进行拼接,得到血肿特征向量;
获取每个支撑样本对应的预设特征向量;计算血肿特征向量与每个预设特征向量之间的匹
配度。
述。
割结果,并依据分割结果计算出血肿体积;将分割结果、血肿体积及临床检查数据组成测试
样本;计算预设的多个支撑样本中每个支撑样本与测试样本之间的匹配度,并依据多个匹
配度,预测血肿是否会扩大。与现有技术相比,本发明具有以下优势:依据已有的图像数据
和临床检查数据对血肿是否会扩大进行预测,能够提前预知是否会发生血肿扩大,并进行
相应的处理,避免了判定血肿扩大不及时,导致部分患者在此期间病情恶化甚至死亡的情
况。
显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、
功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一
部分,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逻辑功能的可执
行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于
附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也
可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每
个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基
于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计
算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个
人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read‑Only Memory)、随机存取存
储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖
非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要
素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备
所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在
包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在
下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需
要对其进行进一步定义和解释。