[发明专利]基于CTA成像的大血管闭塞评估装置及方法在审
申请号: | 202111226528.7 | 申请日: | 2021-10-21 |
公开(公告)号: | CN113995430A | 公开(公告)日: | 2022-02-01 |
发明(设计)人: | 马学升;刘伟奇 | 申请(专利权)人: | 昆明同心医联科技有限公司 |
主分类号: | A61B6/03 | 分类号: | A61B6/03;G16H50/20;G16H50/50 |
代理公司: | 北京知果之信知识产权代理有限公司 11541 | 代理人: | 高科;李志刚 |
地址: | 650106 云南省昆明市高新区C2-*** | 国省代码: | 云南;53 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 cta 成像 血管 闭塞 评估 装置 方法 | ||
1.一种基于CTA成像的大血管闭塞评估装置,其特征在于,包括:
获取单元,所述获取单元用于获取目标对象的第一信息,其中,所述第一信息包括与所述目标对象的大脑相关的平扫电子计算机断层扫描影像;
综合处理单元,所述综合处理单元用于基于所述第一信息,通过预设的脑卒中综合分析模型,分析所述第一信息中目标对象的脑大血管是否存在异常,和/或所述目标对象的缺血核心体积;
分流单元,所述分流单元用于根据所述综合处理单元的处理结果,将所述目标对象进行分流,对接到与所述目标对象对应的分诊系统。
2.根据权利要求1所述的装置,其特征在于,所述装置还包括训练单元,所述训练单元用于训练脑卒中综合分析模型,所述训练单元用于:
构建用于训练脑卒中综合分析模型的训练数据集,其中,所述训练数据集包括第一数据集,第二数据集和第三数据集,
所述第一数据集包括多个目标对象的基本属性信息,所述第二数据集包括多个目标对象的临床数据,所述第三数据集包括多个目标对象的计算机断层摄影血管造影图像数据;
将所述训练数据集中非结构化的数据转换为结构化特征向量,根据所述结构化特征向量,通过预设的二分算法训练脑卒中综合分析模型的损失函数,以使待训练的脑卒中综合分析模型的损失函数符合预设的收敛条件。
3.根据权利要求1所述的装置,其特征在于,所述装置还包括预处理单元,所述预处理单元用于:
进行头骨剥离,提取第一信息中头骨图像的大脑部分,并将大脑部分对应的脑部CT配准到通用模板,以确保大脑水平对称和对齐;和/或
去除第一信息中图像的噪声。
4.根据权利要求1所述的装置,其特征在于,所述综合处理单元还用于判断所述第一信息中目标对象的脑大血管是否存在异常,所述综合处理单元用于:
判断大血管闭塞的区域,神经节下水平中是否检测到致密动脉征为基础,判断所述目标对象的脑大血管是否异常。
5.根据权利要求1所述的装置,其特征在于,所述综合处理单元通过救护车的院前评估和急诊科临床评估的早期分流阶段获得。
6.一种基于CTA成像的大血管闭塞评估方法,其特征在于,所述方法包括:
获取目标对象的第一信息,其中,所述第一信息包括与所述目标对象的大脑相关的平扫电子计算机断层扫描影像;
基于所述第一信息,通过预设的脑卒中综合分析模型,分析所述第一信息中目标对象的脑大血管是否存在异常,和/或所述目标对象的缺血核心体积;
根据所述综合处理单元的处理结果,将所述目标对象进行分流,对接到与所述目标对象对应的分诊系统。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
构建用于训练脑卒中综合分析模型的训练数据集,其中,所述训练数据集包括第一数据集,第二数据集和第三数据集,
所述第一数据集包括多个目标对象的基本属性信息,所述第二数据集包括多个目标对象的临床数据,所述第三数据集包括多个目标对象的计算机断层摄影血管造影图像数据;
将所述训练数据集中非结构化的数据转换为结构化特征向量,根据所述结构化特征向量,通过预设的二分算法训练脑卒中综合分析模型的损失函数,以使待训练的脑卒中综合分析模型的损失函数符合预设的收敛条件。
8.根据权利要求6所述的方法,其特征在于,所述方法还包括对所述第一信息进行预处理,所述预处理的方法包括:
进行头骨剥离,提取第一信息中头骨图像的大脑部分,并将大脑部分对应的脑部CT配准到通用模板,以确保大脑水平对称和对齐;和/或
去除第一信息中图像的噪声。
9.根据权利要求6所述的方法,其特征在于,所述方法还用于判断所述第一信息中目标对象的脑大血管是否存在异常,所述判断方法包括:
判断大血管闭塞的区域,神经节下水平中是否检测到致密动脉征为基础,判断所述目标对象的脑大血管是否异常。
10.根据权利要求6所述的方法,其特征在于,所述脑卒中综合分析模型通过救护车的院前评估和急诊科临床评估的早期分流阶段获得。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于昆明同心医联科技有限公司,未经昆明同心医联科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111226528.7/1.html,转载请声明来源钻瓜专利网。