[发明专利]一种动脉瘤破裂风险评估方法及系统

权利要求书

1.一种动脉瘤破裂风险评估方法，其特征在于，包括：

获取待处理数据，其中，所述待处理数据包括第一数据和/或第二数据；

将所述待处理数据输入动脉瘤风险评估模型，获得所述待处理数据的动脉瘤风险评估结果，其中，所述动脉瘤风险评估模型是基于神经网络方法预先获得的模型，所述动脉瘤破裂风险评估结果包括动脉瘤破裂概率和/或重要特征因子；

将所述待处理数据的动脉瘤风险评估结果进行输出。

2.如权利要求1所述的方法，其特征在于，所述动脉瘤风险评估模型的获取具体包括：

获取已知样本的动脉瘤数据，其中，所述动脉瘤数据包括第一数据和/或第二数据；

将所述已知样本的动脉瘤数据进行预处理，作为学习样本数据；

将所述学习样本数据进行归一化操作，获得归一化的学习样本数据；

将所述归一化的学习样本数据输入神经网络模型，根据所述归一化的学习样本数据进行训练，获得动脉瘤风险评估模型，其中，所述神经网络模型包括全连接神经网络模型。

3.如权利要求3所述的方法，其特征在于，所述将所述已知样本的动脉瘤数据进行预处理，作为学习样本数据，具体包括：

将所述第一数据和/或所述第二数据进行拟合，获得第三数据；

将所述第一数据、所述第二数据和所述第三数据作为学习样本数据，其中，所述学习样本数据中属于动脉瘤破裂的数据和属于动脉瘤未破裂的数据的占比相同。

4.如权利要求2或3所述的方法，其特征在于，所述学习样本数据具有数字标签，用于标注动脉瘤是否破裂，其中，0表示动脉瘤未破裂，1表示动脉瘤破裂。

5.如权利要求3所述的方法，其特征在于，所述将所述第一数据和/或所述第二数据进行拟合，获得第三数据，具体包括：

从所述第一数据和/或所述第二数据中获取属于破裂动脉瘤的数据；

基于所述属于破裂动脉瘤的数据，利用K-近邻算法查找与所述属于破裂动脉瘤的数据在数值距离上相近的数值作为第三数据。

6.如权利要求2所述的方法，其特征在于，所述将所述学习样本数据进行归一化操作，具体包括：

获取所述学习样本数据所包含的每个特征的数据的均值和方差，进行归一化操作，使每个特征的数据分布符合正态分布。

7.如权利要求1所述的方法，其特征在于，所述第一数据包括被观察者的动脉瘤形态学参数，所述第二数据包括被观察者的信息参数。

8.一种动脉瘤破裂风险评估系统，其特征在于，包括：

输入模块，获取待处理数据，其中，所述待处理数据包括第一数据和/或第二数据；

评估模块，将所述待处理数据输入动脉瘤风险评估模型，获得所述待处理数据的动脉瘤风险评估结果，其中，所述动脉瘤风险评估模型是基于神经网络方法预先获得的模型，所述动脉瘤破裂风险评估结果包括动脉瘤破裂概率和/或重要特征因子；

输出模块，将所述待处理数据的动脉瘤风险评估结果进行输出。

9.如权利要求7所述的系统，其特征在于，所述动脉瘤风险评估模型的获取具体包括：

获取已知样本的动脉瘤数据，其中，所述动脉瘤数据包括第一数据和/或第二数据；

将所述已知样本的动脉瘤数据进行预处理，作为学习样本数据；

将所述学习样本数据进行归一化操作，获得归一化的学习样本数据；

将所述归一化的学习样本数据输入神经网络模型，根据所述归一化的学习样本数据进行训练，获得动脉瘤风险评估模型，其中，所述神经网络模型包括全连接神经网络模型。

10.如权利要求9所述的系统，其特征在于，所述将所述已知样本的动脉瘤数据进行预处理，作为学习样本数据，具体包括：

将所述第一数据和/或所述第二数据进行拟合，获得第三数据；

将所述第一数据、所述第二数据和所述第三数据作为学习样本数据，其中，所述学习样本数据中属于动脉瘤破裂的数据和属于动脉瘤未破裂的数据的占比相同。