[发明专利]动脉瘤破裂状态识别系统以及医疗辅助系统

权利要求书

1.一种动脉瘤破裂状态识别系统，其特征在于，所述系统包括：

形态学处理模块，用于采集血管造影并通过3D重建得到目标三维图像，并根据所述目标三维图像获取动脉瘤的形态学变量参数；

血流动力学模块，用于基于CFD模拟获取所述动脉瘤的血流动力学参数；

机器学习模块，用于基于有监督的决策树算法的随机森林分类器模型，对不同动脉瘤分类模型的分类结果进行评估，得到识别结果，其中所述动脉瘤分类模型的输入至少包括如下之一的参数：血流动力学参数、形态学变量参数。

2.根据权利要求1所述的系统，其特征在于，所述动脉瘤分类模型包括：具有所述血流动力学参数的第一分类模型、具有所述形态学变量参数的第二分类模型以及具有所述血流动力学参数和所述形态学变量参数的第三分类模型，

对不同动脉瘤分类模型的分类结果进行评估，并根据所述第三分类模型得到识别结果。

3.根据权利要求2所述的系统，其特征在于，所述形态学处理模块中的形态学变量参数至少包括如下之一：动脉瘤大小、动脉瘤表面积、动脉瘤体积、长宽比、尺寸比、瓶颈因子、非球形指数、波动指数、动脉瘤角、血流角、血管角。

4.根据权利要求2所述的系统，其特征在于，所述血流动力学模块中的血流动力学参数至少包括如下之一：舒张壁剪切力DWSS、收缩壁剪切力SWSS、时间平均壁剪切力TAWSS、振荡剪切指数OSI、相对停留时间RRT、动脉瘤形成指数AFI。

5.根据权利要求1所述的系统，其特征在于，所述识别结果包括状态估计结果，所述机器学习模块中的随机森林分类器模型采用破裂或未破裂动脉瘤的配对，作为同一患者的多个动脉瘤的不同状态估计结果。

6.根据权利要求1所述的系统，其特征在于，所述机器学习模块，还用于

通过所述随机森林分类器模型，将输入数据从根节点定向到其中一个叶节点；

当案例数据输入到决策树中时，根节点首先检查输入案例的某个形态学变量；

如果符合，模型将进一步检查左侧子节点的血流动力学参数；

如果形态学变量不符合，则转移至右侧节点，检查其他血流动力学参数，其中，所述随机森林模型的预测结果由决策树预测结果中的投票结果确定的。

7.根据权利要求6所述的系统，其特征在于，所述机器学习模块，还用于

根据形态学变量参数中的筛选结果，判断是否满足所述舒张壁剪切力DWSS；

如果满足，则判断是否满足所述收缩壁剪切力SWSS；

如果不满足，则判断是否满足所述时间平均壁剪切力TAWSS；

如果满足所述收缩壁剪切力SWSS，则通过判断是否满足所述振荡剪切指数OSI判断动脉瘤是否破裂；

如果不满足所述收缩壁剪切力SWSS，则通过判断是否满足所述相对停留时间RRT判断动脉瘤是否破裂；

如果判断不满足所述时间平均壁剪切力TAWSS，则判断是否满足动脉瘤形成指数AFI判断动脉瘤是否破裂。

8.根据权利要求6所述的系统，其特征在于，所述机器学习模块，还用于

判断当前数据是否满足所述动脉瘤大小；

如果满足，则判断是否满足动脉瘤表面积；

如果不满足，则判断是否满足动脉瘤体积；

如果满足所述动脉瘤表面积，则判断是否满足所述长宽比，如果不满足所述动脉瘤表面积，则判断是否满足所述尺寸比；

如果满足所述动脉瘤体积，则判断是否满足所述瓶颈因子，如果不满足所述动脉瘤体积，则判断是否满足所述非球形指数；

如果满足所述瓶颈因子，则判断是否满足所述波动指数；

如果不满足所述瓶颈因子，则判断是否满足所述动脉瘤角；

如果满足所述非球形指数，则判断是否满足所述血流角；

如果不满足所述非球形指数，则判断是否满足所述血管角；

根据所述长宽比、所述尺寸比、所述波动指数、所述动脉瘤角、所述血流角、所述血管角判断动脉瘤是否破裂。