[发明专利]一种基于深度学习推荐首发弹簧圈的方法、装置及存储介质

权利要求书

1.一种基于深度学习推荐首发弹簧圈的方法，其特征在于，包括以下步骤：

获取待预测目标影像，基于预先构建的特征提取模型，确定所述待预测目标影像中的第一目标特征；

通过预先选定的图像旋转轴旋转所述第一目标特征，获取旋转后所述第一目标特征各个方向对应的形态学参数；

根据所述形态学参数，通过预先构建的特征识别模型，确定第二目标特征，其中

所述第一目标特征包括动脉瘤对应的3D图像，所述第二目标特征包括所述动脉瘤对应的首发弹簧圈。

2.根据权利要求1所述的基于深度学习推荐首发弹簧圈的方法，其特征在于，包括：

所述特征提取模型包括基于对UN-Net神经网络进行训练后获得的动脉瘤识别算法，用于从所述待预测目标影像中获取所述动脉瘤对应的3D图像。

3.根据权利要求1所述的基于深度学习推荐首发弹簧圈的方法，其特征在于，包括：

所述特征识别模型包括支持向量机模型，用于基于输入的所述形态学参数，输出对应的所述首发弹簧圈的规格参数。

4.根据权利要求1所述的基于深度学习推荐首发弹簧圈的方法，其特征在于，包括：

所述形态学参数包括所述动脉瘤的长度、宽度、体积、高度、表面积、短颈、长颈和瘤颈直径信息。

5.根据权利要求1所述的基于深度学习推荐首发弹簧圈的方法，其特征在于，

获取所述待预测目标影像的方法包括：从CAT上获取DICOM格式的待处理动脉瘤影像数据，对DICOM格式的所述待处理动脉瘤影像的非必要数据进行删除，将DICOM格式的所述待处理动脉瘤影像转换为NII.GZ格式的所述待预测目标影像。

6.一种基于深度学习推荐首发弹簧圈的装置，其特征在于，包括：

存储器；以及

与所述存储器连接的处理器，所述处理器被配置成：

获取待预测目标影像，基于预先构建的特征提取模型，确定所述待预测目标影像中的第一目标特征；

通过预先选定的图像旋转轴旋转所述第一目标特征，获取旋转后所述第一目标特征各个方向对应的形态学参数；

根据所述形态学参数，通过预先构建的特征识别模型，确定第二目标特征，其中

所述第一目标特征包括动脉瘤对应的3D图像，所述第二目标特征包括所述动脉瘤对应的首发弹簧圈。

7.根据权利要求6所述的基于深度学习推荐首发弹簧圈的装置，其特征在于，所述处理器还被配置成：

所述特征提取模型包括基于对UN-Net神经网络进行训练后获得的动脉瘤识别算法，用于从所述待预测目标影像中获取所述动脉瘤对应的3D图像。

8.根据权利要求6所述的基于深度学习推荐首发弹簧圈的装置，其特征在于，所述处理器还被配置成：

所述特征识别模型包括支持向量机模型，用于基于输入的所述形态学参数，输出对应的所述首发弹簧圈的规格参数。

9.根据权利要求6所述的基于深度学习推荐首发弹簧圈的装置，其特征在于，所述处理器还被配置成：

所述形态学参数包括所述动脉瘤的长度、宽度、体积、高度、表面积、短颈、长颈和瘤颈直径信息。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被机器执行时实现如权利要求1至5中任一项所述的方法的步骤。