[发明专利]基于图像的康复预测方法及相关产品

说明书

本公开提供一种基于图像的康复预测方法及相关产品，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。本申请提供的技术方案具有脑卒中康复后功能预测。

技术领域

本发明涉及计算机技术领域，具体涉及一种基于图像的康复预测方法及相关产品。

背景技术

随着医学成像技术的不断突破，计算机辅助诊断成为人工智能领域的热门研究内容之一。医学成像技术与深度学习结合可以为疾病的临床诊断和医师决策提供很好的支持，如今多模态医学成像分析的研究受到广泛关注，可以综合患者多种模态的医学影像对空间结构多角度分析。针对常见的神经退行性疾病，如脊髓型颈椎病(CSM)等，尽管大部分患者手术效果良好，但对这类疾病目前尚无很好的指标准确地预测患者术后的功能预后。融合病人多源医学影像，建立一种高精度的康复预测系统不仅能够客观评价病人术后康复情况，而且可以在治疗阶段预测病情变化趋势，辅助医师决策调整治疗方案。

发明内容

本发明实施例提供了一种基于图像的康复预测方法及相关产品，可以实现脑卒中康复后功能预测。

第一方面，本发明实施例提供一种基于图像的康复预测方法，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。

第二方面，提供一种基于图像的康复预测系统，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。

第三方面，提供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第一方面提供的方法。

实施本发明实施例，具有如下有益效果：

可以看出，本发明与现有技术相比，主要有以下优点：

(1)通过医学图像的方式直接而客观地反映病人手术前后的康复情况，而不是通过病人的血压、活动情况、主观感受等，保留了信息的客观性和完整性。

(2)融合多源医学图像信息，与单种模态的信息相比，从多种角度和影像功能全面获取病人颈椎部位的空间结构信息。

(3)首次提出将CapsuleNet机制应用于医学影像处理问题中。与传统卷积神经网络相比，保留了图像的方向、层次和角度信息。而这些关键位姿信息对医学辅助诊断来讲尤为关键，因此，本申请中方法将使辅助诊断和康复预测系统具有更高精度。

(4)采用向量化的特征表达和特征间聚类的方法，与传统池化操作相比，使得特征提取具有更高的完整性和更好地可解释性。

(5)采用LSTM取代传统递归神经网络进行时序建模，通过“门”结构控制信息传递，避免了梯度消失的问题。

(5)融合CapsuleNet和LSTM网络，将空间特征向量作为时序建模网络的输入，综合时序图像的时空特征训练网络。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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他的附图。