[发明专利]基于深度学习的计算机断层扫描主动脉瘤的辅助诊断方法

说明书

本发明属于主动脉瘤辅助诊断技术领域，具体为基于深度学习的计算机断层扫描主动脉瘤的辅助诊断方法，包括步骤一：数据采集，首先从医院的院区中回顾性的收集了多份带有主动脉的普通CT扫描；步骤二：数据处理，将其分为三个数据集：训练集，内部测试集和外部测试集；步骤三：建立模型，然后利用Attention‑Unet卷积神经网络构建辅助诊断工具，使用其评估测试集中主动脉瘤风险，检测敏感度、特异度和准确度，其设计合理，对主动脉瘤具有良好的诊断能力。与放射科医生联合使用，该方法可以显著增强放射科医生的胶片读取和决策能力，提高影像科室的整体实力。这一先进技术的性能证明了这种无创、廉价、方便的方法具有临床试验的潜力。

技术领域

本发明涉及主动脉瘤辅助诊断技术领域，具体为基于深度学习的计算机断层扫描主动脉瘤的辅助诊断方法。

背景技术

主动脉是人体最大的动脉。由于主动脉在人身体内的重要地位，与其相关的疾病往往危及患者的生命。随着如计算机断层扫描(CT)等影像诊断设备的发展普及，近年来发现的主动脉瘤病例数量显著增加，引起了临床医生的关注。主动脉瘤主要包括腹主动脉瘤(AAA),局限在胸腔内的胸主动脉瘤，和胸腹主动脉瘤(TAAA),这些同时生长在胸腔和腹腔的动脉来占所有主动脉瘤的5％以下。据报道，50％的胸主动脉瘤与腹主动脉瘤融合。在发达国家，腹主动脉瘤(AAA)造成的死亡占65-85岁男子死亡总数的1.3％；在比利时，腹主动脉瘤(AAA)破裂是第十大死因(在2014年占所有死亡的0.32％).在美国，动脉瘤并发症(如破裂、夹层)；腹主动脉瘤(AAA)破裂的并发症是导致死亡的第13位主要原因。

一个公认的共识是主动脉破裂的风险与主动脉宽度的增加呈正相关。具体来说，当主动脉扩张到正常值的1.5倍时，或胸主动脉大于50mm，腹主动脉大于30mm时，则认为患者患有主动脉瘤。当前主动脉瘤的主流诊断方法包括多普勒超声和计算机断层血管造影(CTA)。由于超声不能穿透肠壁，与多普勒超声相比，CT扫描可以更好的解决这一问题。CTA一般推荐使用在放射科已经接受过CT平扫的患者，放射科医生已经确定他们有患主动脉瘤的风险。然而，在临床实践中，如果检查不是针对心血管相关疾病，患者的主动脉情况可能不会被注意到,这就可能导致患者的主动脉疾病被忽视。在这些情况下,CT平扫成像的结果是初步筛查动脉瘤的关键。

人工智能(AI)揭示了对心血管疾病管理的新见解。尤其是深度学习技术在医学应用中展现出了先进的性能。在分类、分割和检测领域，深度学习技术已经达到了能够与人类相当的精度水平，并已经成功的应用在肺结节诊断、乳腺癌诊断以及视网膜图像分割。近年来，基于人工智能的辅助诊断在主动脉瘤类疾病上得到了广泛的研究。但是，这些研究主要集中在腹主动脉瘤(AAA)，并且大多基于计算机断层血管造影(CTA)，所得出的结论通常来自于单中心的小数据检查.除此之外，胸主动脉和腹主动脉是两个人为定义的概念。在现实中，它们是彼此紧密相连的一条大动脉。以往的的研究存在着忽略了胸主动脉和腹主动脉是一个整体的问题。进行计算机断层血管造影(CTA)的前提是高度怀疑患者患有主动脉疾病，而基于计算机断层血管造影(CTA)的半自动或全自动辅助诊断工具可以节省阅读图像的时间，同时不会显著降低漏诊率，减少放射科医生的重复劳动，提高放射科医生的诊断水平和疾病的检出率并降低漏检率。同时，在急诊处理流程管理方面，本研究进一步讨论了在急诊科应对疑似主动脉瘤患者给予更高的优先级，以避免在等待期间因主动脉瘤破裂而导致的住院死亡。

发明内容

本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

因此，本发明的目的是提供基于深度学习的计算机断层扫描主动脉瘤的辅助诊断方法，能够实现帮助放射科医生发现脑动脉瘤，而且可以降低忽略动脉瘤的风险。

为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：

基于深度学习的计算机断层扫描主动脉瘤的辅助诊断方法，包括如下步骤：