[发明专利]一种主动脉弓再缩窄的预后方法及系统

权利要求书

1.一种主动脉弓再缩窄的预后方法，其特征在于，包括以下步骤：

S1.获取一定数量的三维CT心脏图像并划分，得到第一图像数据集和第二图像数据集；

S2.构建分割数据神经网络模型，利用第一图像数据集对分割数据神经网络模型进行训练，得到训练好的分割数据神经网络模型；

S3.将第二图像数据集中的三维CT心脏图像输入训练好的分割数据神经网络模型，输出第二图像数据集中的三维CT心脏图像的分割结果；

S4.从分割结果中提取心脏的三维主动脉弓图像，并在三维主动脉弓图像中提取中心线；

S5.确定三维主动脉弓图像中待测量部位，在中心线采集待测量部位的测量点，然后在测量点对待测量部位进行测量，得到S3中所述的三维CT心脏图像的特征数据，对特征数据进行预处理；

S6.获取志愿者的生理特征数据，将其作为医学临床的特征数据，将医学临床的特征数据与三维CT心脏图像的特征数据合并，从合并的特征数据中选择评估主动脉弓再缩窄预后的特征数据；

S7.利用选择的特征数据构建回归模型；

S8.获取待检测实验数据，将待检测实验数据输入构建的回归模型，对主动脉弓再缩窄预后情况进行检测，并对主动脉弓再缩窄预后检测情况进行评估。

2.根据权利要求1所述的主动脉弓再缩窄的预后方法，其特征在于，在步骤S2中，分割数据神经网络模型训练的具体步骤为：

S21.将第一图像数据集中的三维CT心脏图像的尺寸统一采样至同一尺寸；

S22.设置训练的批次数目batchsize、学习率及训练轮次n，将同一尺寸的三维CT心脏图像输入构建的分割数据神经网络模型；

S23.利用梯度下降的训练方法对分割数据神经网络模型进行训练，在训练轮次达到n时，输出训练好的分割数据神经网络模型。

3.根据权利要求1所述的主动脉弓再缩窄的预后方法，其特征在于，在步骤S4中，提取中心线步骤为：

S41.由三维主动脉弓图像确定主动脉弓的血管位置；

S42.将主动脉弓的血管骨架化；

S43.基于骨架化后的血管，明确血管的中心，确定沿着血管走向中心的若干条线，将若干线均设为中心线。

4.根据权利要求3所述的主动脉弓再缩窄的预后方法，其特征在于，在步骤S5中，所述待测量部位为升主动脉、近端主动脉、远端主动脉、峡部部位、缩窄部位以及降主动脉部位。

5.根据权利要求4所述的主动脉弓再缩窄的预后方法，其特征在于，在步骤S5中，所述测量点的采集步骤包括：

S51.获取三维主动脉弓图像中沿横截面积最大的血管走向的某一中心线的起点和终点，根据起点和终点之间的血管走向，确定起点和终点之间的连接路径，将该连接路径设为三维主动脉弓图像中中心线的主干路径，主干路径在三维主动脉弓图像中由多个体素点构成；

S52.获取主干路径上所有体素点，确定与每一个体素点相连的中心线的条数，即体素点的度，并在每一个体素点上获取与该体素点相连的血管的横截面积；

S53.将与每一个体素点相连的血管的横截面积进行比较，得到在主干路径上横截面积最小体素的点；

S54.将起点设为升主动脉的测量点，将终点设为降主动脉部位的测量点，采集所有在主干路径上度为n的体素点，将所有在主干路径上度为n的体素点分别设为近端主动脉部位、远端主动脉部位及峡部部位的测量点，将在主干路径上横截面积最小的点设为缩窄部位的测量点。

6.根据权利要求5所述的主动脉弓再缩窄的预后方法，其特征在于，在步骤S5中，所述测量步骤为在升主动脉部位、近端主动脉部位、远端主动脉部位、峡部部位、缩窄部位和降主动脉部位的位置上获取血管的切面，利用sobel算子提取血管的切面的轮廓，利用最小二乘法将切面的轮廓拟合成椭圆，对椭圆的长径、短径、直径、周长和面积进行测量，将测量结果作为与椭圆对应的切面的轮廓的长径、短径、直径、周长和面积。

7.根据权利要求6所述的主动脉弓再缩窄的预后方法，其特征在于，在步骤S7中，所述回归模型的构建方法为随机森林算法。