[发明专利]一种三叉神经痛疾病预测模型的构建方法和装置

说明书

一种三叉神经痛疾病预测模型的构建方法，包括模型训练和模型部署两个阶段；模型训练阶段包括深度神经网络模型的训练以及影像组学模型的训练；深度神经网络模型用于分割三叉神经区域，影像组学模型用于从三叉神经区域中提取影像组学特征并建立预测模型；模型部署阶段包括：将模型训练阶段获得的深度神经网络模型的参数以及影像组学模型的参数存储于一硬件中，再将患者的原始医学影像序列输入硬件，并通过一处理单元对原始医学影像序列和两种模型的参数进行相应计算处理。本发明可辅助临床医生进一步提高三叉神经痛的诊断效率，而且无需临床医生手动分割图像，极大减轻了医生的工作量，加快了模型计算的速度。

技术领域

本发明涉及生物医学工程领域，具体涉及一种三叉神经痛疾病预测模型的构建方法和装置。

背景技术

三叉神经痛是一种常见的神经外科疾病。其诊断方法主要依赖临床指征，即：疼痛局限于三叉神经分布的一个或多个区域；突然、剧烈且持续时间很短的疼痛，称为“电击”或“导电性”；并且疼痛可以由面部或口腔中的三叉神经分布区域的无害刺激引起。三叉神经的血管压迫被国际头痛协会(International Headache Society，IHS)认为是大多数三叉神经痛的原因，神经血管的接触和压迫导致了神经脱髓鞘，并且产生了异位冲动，以神经信号和脑波的形式传播，引起了典型的三叉神经痛发作。虽然三叉神经痛的病因较为清楚，临床症状比较明显，但是由于其发病率很低，因此仍有很大的误诊率。

目前临床上常用颅神经MRI来诊断三叉神经痛，其可以显示三叉神经与血管的三维空间的结构关系，但是仍有一定的局限性，国内外大量研究显示，临床医生在使用颅脑MRI诊断三叉神经痛时，无法准确的检测出三叉神经痛症状侧神经的血管神经压迫关系，也就是说，颅脑MRI的诊断证据并不明确，无法明确排除或诊断神经痛等症状。Maarbjerg S等人的研究表明，尽管症状侧的严重神经血管压迫发生率较高，但神经血管压迫在健康人和大多数患者的症状侧和无症状侧都很常见。这项研究还表明，神经血管压迫的存在、位置和类型作为典型三叉神经痛的诊断测试表现不佳。因此，尽管MRI对于排除症状性三叉神经痛是必要的，但不能用于诊断典型的三叉神经疼痛。

近年来，随着人工智能、影像组学等技术的发展，这类技术已经广泛应用于基于医学影像的疾病评估，疾病诊断，肿瘤分期等。专利201911417817.8提出了一种基于影像组学的肝癌图像特征提取和病理分类方法，可以有效的对肝癌病理进行预测分类。专利201911009081.0提出了一种基于CT图像和影像组学的特征提取专用图像方法，可以预测非小细胞肺癌的早期转移。201810148067.8专利提出了一种基于医学影像和影像组学预测脑胶质瘤Ki-67表达水平的方法。以上的专利技术均证明了影像组学等技术方法在临床的适应性，然而目前所有影像组学相关的专利均存在以下问题：1)针对三叉神经痛疾病预测尚缺乏相关的影像组学模型，该研究领域仍为空白；2)目前绝大多数影像组学模型需要临床医生首先从医学影像中手动分割目标区域(病灶区域)，如肿瘤区域等。再基于手动分割的目标区域图像提取影像组学特征，再进一步基于已建立的疾病预测模型分析影像组学特征，得到预期的疾病预测数值。然而临床医生手动分割目标区域非常耗时，这也是该方法难以在临床中推广的主要原因。

经检索目前关于三叉神经痛相关的专利及其他参考文献可知，目前的三叉神经痛研究和发明主要集中于治疗方法，治疗方案，手术方案和发病机制等，较少有研究人员开展从三叉神经痛的影像序列入手，提高三叉神经痛疾病的预测和诊断准确率的相关研究。