本發(fā)明涉及醫(yī)療，特別涉及一種基于神經(jīng)網(wǎng)絡(luò)的動脈瘤破裂預(yù)測方法、裝置及存儲介質(zhì)。

背景技術(shù)：

1、在當(dāng)前的醫(yī)療領(lǐng)域中，血管介入手術(shù)作為一種先進(jìn)且至關(guān)重要的治療手段，正發(fā)揮著越來越重要的作用。隨著現(xiàn)代醫(yī)學(xué)技術(shù)的不斷發(fā)展，血管介入手術(shù)以其獨(dú)特的優(yōu)勢，為眾多患者帶來了新的希望。這種手術(shù)方式具有創(chuàng)傷小、恢復(fù)快、療效顯著等特點(diǎn)，能夠有效地治療多種血管疾病。例如，在治療冠心病、腦血管疾病、外周血管疾病等方面，血管介入手術(shù)已經(jīng)成為了主要的治療手段之一。與傳統(tǒng)的外科手術(shù)相比，血管介入手術(shù)不需要進(jìn)行大面積的開刀，而是通過在患者的血管內(nèi)插入導(dǎo)管等器械，進(jìn)行診斷和治療。這種微創(chuàng)手術(shù)方式大大減少了患者的痛苦和術(shù)后恢復(fù)時間，同時也降低了手術(shù)的風(fēng)險和并發(fā)癥的發(fā)生率。然而，現(xiàn)有的技術(shù)在血管介入手術(shù)中存在著諸多缺陷和不足；

2、首先，目前在血管介入手術(shù)中，缺乏一種有效的方法能夠?qū)sa(數(shù)字減影血管造影)與術(shù)前cta(計算機(jī)斷層血管造影)的血管進(jìn)行實時配準(zhǔn)。dsa是一種常用的血管成像技術(shù)，能夠提供高分辨率的血管圖像，但它只能顯示二維圖像，無法提供三維的血管信息。而術(shù)前cta可以提供三維的血管模型，但在手術(shù)過程中，如何將術(shù)前的cta血管模型與術(shù)中的dsa圖像進(jìn)行準(zhǔn)確配準(zhǔn)，一直是一個難題；

3、其次，在現(xiàn)有的技術(shù)條件下，醫(yī)生在進(jìn)行血管介入手術(shù)時，主要依靠經(jīng)驗來判斷導(dǎo)絲在人體中的實時位置。這種方法存在很大的局限性，對于經(jīng)驗不足的醫(yī)生來說，很難獨(dú)立實施血管介入手術(shù)。經(jīng)驗的積累需要長時間的實踐和大量的手術(shù)案例，而且不同的醫(yī)生經(jīng)驗水平差異較大，這就導(dǎo)致了手術(shù)的質(zhì)量和效果難以保證；

4、此外，現(xiàn)有的技術(shù)在處理血管介入手術(shù)中的圖像信息時，效率較低。由于缺乏有效的圖像配準(zhǔn)方法，醫(yī)生在手術(shù)過程中需要花費(fèi)大量的時間來分析和判斷圖像，這不僅增加了手術(shù)的時間，也增加了患者的痛苦和風(fēng)險；

5、同時，現(xiàn)有的技術(shù)在精準(zhǔn)度方面也存在不足。依靠經(jīng)驗判斷導(dǎo)絲位置容易出現(xiàn)誤差，而這些誤差可能會對手術(shù)的結(jié)果產(chǎn)生嚴(yán)重的影響。例如，在治療動脈瘤等疾病時，精準(zhǔn)度的要求非常高，如果導(dǎo)絲的位置不準(zhǔn)確，可能會導(dǎo)致動脈瘤破裂，危及患者的生命；

6、為此，提出一種基于神經(jīng)網(wǎng)絡(luò)的動脈瘤破裂預(yù)測方法、裝置及存儲介質(zhì)。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明實施例希望提供一種基于神經(jīng)網(wǎng)絡(luò)的動脈瘤破裂預(yù)測方法、裝置及存儲介質(zhì)，以解決或緩解現(xiàn)有技術(shù)中存在的技術(shù)問題，至少提供一種有益的選擇。

2、為解決上述技術(shù)問題，本技術(shù)采用的一個技術(shù)方案是：一種基于神經(jīng)網(wǎng)絡(luò)的動脈瘤破裂預(yù)測方法，包括以下步驟：

3、步驟一、獲取一例經(jīng)過分割處理的cta圖像數(shù)據(jù)，并利用三維建模軟件，將分割好的cta圖像數(shù)據(jù)進(jìn)行面片化處理，構(gòu)建3d血管模型；

4、步驟二、基于模擬x光投影算法，通過調(diào)整多種相機(jī)參數(shù)，對3d血管模型進(jìn)行投影，生成多幅模擬dsa圖像，并記錄每一幅模擬dsa圖像所對應(yīng)的相機(jī)參數(shù)集；

5、步驟三、對模擬dsa圖像以及在實際手術(shù)中獲取的術(shù)中dsa圖像進(jìn)行圖像預(yù)處理；

6、步驟四、利用深度學(xué)習(xí)框架cnn或u-net進(jìn)行神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的搭建，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，并確定損失函數(shù)和優(yōu)化算法；

7、步驟五、將模擬dsa圖像作為訓(xùn)練數(shù)據(jù)，模擬dsa圖像所對應(yīng)的相機(jī)參數(shù)集作為監(jiān)督標(biāo)簽，對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，學(xué)習(xí)從患者的術(shù)中dsa圖像中還原出對應(yīng)的相機(jī)參數(shù)集；

8、步驟六、在實際手術(shù)中，輸入術(shù)中dsa圖像，神經(jīng)網(wǎng)絡(luò)自動輸出相應(yīng)的相機(jī)參數(shù)集，根據(jù)這個相機(jī)參數(shù)集，對3d血管模型進(jìn)行調(diào)整，使其與術(shù)中dsa圖像進(jìn)行配準(zhǔn)，生成配準(zhǔn)結(jié)果；

9、步驟七、根據(jù)評估指標(biāo)對配準(zhǔn)結(jié)果進(jìn)行評估，并根據(jù)評估結(jié)果，進(jìn)行相應(yīng)的優(yōu)化措施。

10、提供作為本技術(shù)方案進(jìn)一步優(yōu)選的，在步驟一中，所述構(gòu)建3d血管模型的方法包括以下步驟：

11、步驟1、獲取經(jīng)過分割處理的cta圖像數(shù)據(jù)；

12、步驟2、將分割處理后的cta圖像數(shù)導(dǎo)入三維建模軟件，利用自適應(yīng)面片劃分策略，根據(jù)血管的曲率和直徑變化調(diào)整面片大?。?/p>

13、步驟3、基于三維建模軟件，逐步對面片進(jìn)行構(gòu)建，形成連續(xù)的三維結(jié)構(gòu)；

14、步驟4、對構(gòu)建好的3d血管模型進(jìn)行平滑處理，去除噪聲和不連續(xù)點(diǎn)，并結(jié)合臨床信息對模型進(jìn)行優(yōu)化和調(diào)整。

15、提供作為本技術(shù)方案進(jìn)一步優(yōu)選的，在步驟二中，所述相機(jī)參數(shù)集包括焦距、視角、曝光度、旋轉(zhuǎn)角度、平移距離以及放大縮小比例。

16、提供作為本技術(shù)方案進(jìn)一步優(yōu)選的，在步驟三中，所述圖像預(yù)處理包括圖像去噪處理、圖像增強(qiáng)處理、圖像配準(zhǔn)處理以及圖像校正處理。

17、提供作為本技術(shù)方案進(jìn)一步優(yōu)選的，在步驟四中，所述損失函數(shù)為均方誤差函數(shù)或交叉熵函數(shù)，所述優(yōu)化算法為隨機(jī)梯度下降算法或adam優(yōu)化器。

18、提供作為本技術(shù)方案進(jìn)一步優(yōu)選的，在步驟五中，對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時，利用小批次隨機(jī)梯度下降法，每批次隨機(jī)選取定量的模擬dsa圖像及其對應(yīng)的相機(jī)參數(shù)集進(jìn)行訓(xùn)練，并在訓(xùn)練過程中設(shè)置動態(tài)學(xué)習(xí)率調(diào)整策略。

19、提供作為本技術(shù)方案進(jìn)一步優(yōu)選的，在步驟六中，對3d血管模型進(jìn)行調(diào)整時，利用逐步逼近的方式進(jìn)行調(diào)整，并實時顯示配準(zhǔn)結(jié)果，每次調(diào)整后計算3d血管模型與術(shù)中dsa圖像的相似度，若相似度達(dá)到預(yù)設(shè)閾值，則停止調(diào)整。

20、提供作為本技術(shù)方案進(jìn)一步優(yōu)選的，在步驟七中，所述評估指標(biāo)包括對齊的準(zhǔn)確性、配準(zhǔn)誤差和配準(zhǔn)效率；所述優(yōu)化措施包括調(diào)整神經(jīng)網(wǎng)絡(luò)參數(shù)、改進(jìn)圖像預(yù)處理算法和優(yōu)化相機(jī)參數(shù)。

21、為解決上述技術(shù)問題，本技術(shù)采用的另一個技術(shù)方案是：一種基于神經(jīng)網(wǎng)絡(luò)的動脈瘤破裂預(yù)測裝置，包括：圖像獲取模塊、三維建模模塊、投影模塊、圖像預(yù)處理模塊、神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊、訓(xùn)練模塊、配準(zhǔn)模塊和評估優(yōu)化模塊；

22、所述圖像獲取模塊，用于獲取經(jīng)過分割處理的cta圖像數(shù)據(jù)；

23、所述三維建模模塊，用于利用三維建模軟件，將分割好的cta圖像數(shù)據(jù)進(jìn)行面片化處理，構(gòu)建3d血管模型；

24、所述投影模塊，用于基于模擬x光投影算法，通過調(diào)整多種相機(jī)參數(shù)，對3d血管模型進(jìn)行投影，生成多幅模擬dsa圖像，并記錄每一幅模擬dsa圖像所對應(yīng)的相機(jī)參數(shù)集，所述相機(jī)參數(shù)集包括焦距、視角、曝光度、旋轉(zhuǎn)角度、平移距離以及放大縮小比例；

25、所述圖像預(yù)處理模塊，用于對模擬dsa圖像以及在實際手術(shù)中獲取的術(shù)中dsa圖像進(jìn)行去噪、增強(qiáng)以及圖像標(biāo)準(zhǔn)化處理；

26、所述神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊，用于利用深度學(xué)習(xí)框架cnn或u-net進(jìn)行神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的搭建，確定均方誤差函數(shù)或交叉熵函數(shù)作為損失函數(shù)，隨機(jī)梯度下降算法或adam優(yōu)化器作為優(yōu)化算法；

27、所述訓(xùn)練模塊，用于將模擬dsa圖像作為訓(xùn)練數(shù)據(jù)，模擬dsa圖像所對應(yīng)的相機(jī)參數(shù)集作為監(jiān)督標(biāo)簽，對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，學(xué)習(xí)從患者的術(shù)中dsa圖像中還原出對應(yīng)的相機(jī)參數(shù)集；

28、所述配準(zhǔn)模塊，用于在實際手術(shù)中，輸入術(shù)中dsa圖像，神經(jīng)網(wǎng)絡(luò)自動輸出相應(yīng)的相機(jī)參數(shù)集，根據(jù)這個相機(jī)參數(shù)集，對3d血管模型進(jìn)行調(diào)整，并實時顯示配準(zhǔn)結(jié)果；

29、所述評估優(yōu)化模塊，用于根據(jù)評估指標(biāo)對配準(zhǔn)結(jié)果進(jìn)行評估，并根據(jù)評估結(jié)果進(jìn)行優(yōu)化。

30、為解決上述技術(shù)問題，本技術(shù)采用的另一個技術(shù)方案是：一種計算機(jī)可讀存儲介質(zhì)，存儲有能夠?qū)崿F(xiàn)如上述所述的一種基于神經(jīng)網(wǎng)絡(luò)的動脈瘤破裂預(yù)測方法的程序指令。

31、本發(fā)明實施例由于采用以上技術(shù)方案，其具有以下優(yōu)點(diǎn)：

32、本發(fā)明通過人工智能圖像處理技術(shù)，在手術(shù)過程中，實現(xiàn)了手術(shù)器械的位置信息的直觀顯示；具體來說，利用特定的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對每位患者訓(xùn)練專屬的術(shù)前神經(jīng)網(wǎng)絡(luò)，能夠精準(zhǔn)預(yù)測患者的血管模型方位，術(shù)中通過輸入dsa圖像，快速輸出相機(jī)參數(shù)集，進(jìn)而對血管模型進(jìn)行調(diào)整實現(xiàn)配準(zhǔn)，大大提高了手術(shù)的精準(zhǔn)度和手術(shù)效率；對于經(jīng)驗不足的醫(yī)生而言，降低了對經(jīng)驗的依賴，能夠更準(zhǔn)確地進(jìn)行血管介入手術(shù)操作；同時，通過對配準(zhǔn)結(jié)果的評估和優(yōu)化，不斷調(diào)整神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和增加訓(xùn)練樣本數(shù)量，進(jìn)一步提高了系統(tǒng)的性能和可靠性。

33、上述概述僅僅是為了說明書的目的，并不意圖以任何方式進(jìn)行限制。除上述描述的示意性的方面、實施方式和特征之外，通過參考附圖和以下的詳細(xì)描述，本發(fā)明進(jìn)一步的方面、實施方式和特征將會是容易明白的。