一种基于大数据的脑卒中预测方法、系统及存储介质
申请人信息
- 申请人:广州思沛医药科技股份有限公司
- 申请人地址:510000 广东省广州市荔湾区周门路9号自编2号102室
- 发明人: 广州思沛医药科技股份有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于大数据的脑卒中预测方法、系统及存储介质 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311530031.3 |
| 申请日 | 2023/11/16 |
| 公告号 | CN117495833A |
| 公开日 | 2024/2/2 |
| IPC主分类号 | G06T7/00 |
| 权利人 | 广州思沛医药科技股份有限公司 |
| 发明人 | 王严春; 吴华赟 |
| 地址 | 广东省广州市荔湾区周门路9号自编2号102室 |
摘要文本
本发明涉及医疗图像处理技术领域，公开了一种基于大数据的脑卒中预测方法、系统及存储介质，包括：提取参照颅脑MRI图像集和当前颅脑MRI图像集；将参照颅脑MRI图像集和当前颅脑MRI图像集合并获得综合图集；基于当前颅脑MRI图像集合中的图像单元来生成邻接矩阵；当前颅脑MRI图像集合中的图像单元的大小相同，邻接矩阵的大小为N*N，其中N为图像单元的像素数，邻接矩阵的元素值均为1；将综合图集和邻接矩阵输入预测模型中，输出表示脑卒中风险等级的值；本发明能够基于颅脑MRI图像集合预测缺血性脑卒中的发病风险。
专利主权项内容
1.一种基于大数据的脑卒中预测方法，其特征在于，包括以下步骤：步骤S101，提取参照颅脑MRI图像集和当前颅脑MRI图像集；步骤S102，将参照颅脑MRI图像集和当前颅脑MRI图像集合并获得综合图集；综合图集中的图像单元按照沿成像方位的顺序进行排序；步骤S103，基于当前颅脑MRI图像集合中的图像单元来生成邻接矩阵，当前颅脑MRI图像集合中的图像单元的大小相同，邻接矩阵的大小为N*N，其中N为图像单元的像素数，邻接矩阵的元素值均为1；步骤S104，将综合图集和邻接矩阵输入预测模型中，预测模型包括卷积模块、滤波模块、空间连接模块和全连接层，其中卷积模块的一个时间步按照顺序输入两个综合图集中的图像单元，对应的输出一个张量特征到滤波模块，滤波模块通过一个张量特征生成一个滤波器，通过滤波器对综合图集中的所有图像单元进行处理获得滤波图像；一个滤波图像的一个通道对应一个滤波器滤波处理的结果，综合图集中第i和i+1个图像单元处理获得的滤波图像为每个像素生成一个像素特征，像素特征的一个分量对应于滤波图像的一个通道的像素值；空间连接模块包括图连接模块和时序模块，将滤波图像的像素特征和邻接矩阵输入图连接模块，图连接模块输出像素编码特征，像素编码特征还原为多通道的编码图像，对多通道的编码图像进行1*1的卷积核的卷积获得降维图像；时序模块一个时间步输入一个降维图像，每个时间步输出一个输出特征，输出特征输入全连接层，全连接层输出表示脑卒中风险等级的值。。关注微信公众号马克数据网