[发明专利]基于图像的康复预测方法及相关产品

权利要求书

1.一种基于图像的康复预测方法，其特征在于，所述方法包括如下步骤：

获取CSM病人手术前后设定时间范围内的多源医学图像数据和康复情况；

依据所述多源医学图像数据和所述康复情况并通过CapsuleNet机制与长短期记忆网络LSTM预测所述CSM病人下一阶段的康复情况。

2.根据权利要求1所述的方法，其特征在于，所述获取CSM病人手术前后设定时间范围内的多源医学图像数据和康复情况具体包括：

采集设定数量的多源医学图像数据，将多源医学图像数据归一化为256*256*256像素大小，采用医学图像配准算法对该设定数量的多源医学图像数据进行配准。

3.根据权利要求1所述的方法，其特征在于，所述依据所述多源医学图像数据和所述康复情况并通过CapsuleNet机制与长短期记忆网络LSTM预测所述CSM病人下一阶段的康复情况具体包括：

对256*256*256维度的MRI图像进行三维卷积运算，提取图像的像素级特征，并使用ReLU函数激活得到输出张量的维度为254*254*254*16，通过卷积层构建相应的张量结构作为Capsule层的输入数据，经过Capsule网络对输入数据的空间特征提取，输出多个16的特征向量；

建立LSTM网络，该LSTM网络包括多个LSTM节点，每个节点与所述特征向量相连接，LSTM网络接收待预测的序列图像，依据LSTM对该序列图像预测病人下一阶段的康复情况。

4.根据权利要求2所述的方法，其特征在于，所述多源医学图像数据具体包括：

MRI、CT、DTI图像。

5.一种基于图像的康复预测系统，其特征在于，所述系统包括：

获取单元，用于获取CSM病人手术前后设定时间范围内的多源医学图像数据和康复情况；

处理单元，用于依据所述多源医学图像数据和所述康复情况并通过CapsuleNet机制与长短期记忆网络LSTM预测所述CSM病人下一阶段的康复情况。

6.根据权利要求5所述的系统，其特征在于，

所述获取单元，具体用于采集设定数量的多源医学图像数据，将多源医学图像数据归一化为256*256*256像素大小，采用医学图像配准算法对该设定数量的多源医学图像数据进行配准。

7.根据权利要求6所述的系统，其特征在于，

所述处理单元，具体用于对256*256*256维度的MRI图像进行三维卷积运算，提取图像的像素级特征，并使用ReLU函数激活得到输出张量的维度为254*254*254*16，通过卷积层构建相应的张量结构作为Capsule层的输入数据，经过Capsule网络对输入数据的空间特征提取，输出多个16的特征向量；建立LSTM网络，该LSTM网络包括多个LSTM节点，每个节点与所述特征向量相连接，LSTM网络接收待预测的序列图像，依据LSTM对该序列图像预测病人下一阶段的康复情况。

8.根据权利要求6所述的系统，其特征在于，所述多源医学图像数据具体包括：

MRI、CT、DTI图像。

9.一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如权利要求1-4任意一项所述的方法。

10.一种计算机可读存储介质，其存储用于电子数据交换的程序，其中，所述程序使得终端执行如权利要求1-4任意一项提供的方法。