[发明专利]动脉瘤破裂风险预测方法、装置及存储介质

权利要求书

1.一种动脉瘤破裂风险预测方法，其特征在于，包括：

获取多个连续的3D磁共振血管造影图像数据；

基于所述3D磁共振血管造影图像数据对动脉瘤分割及建立3D三角网格模型；

基于动脉瘤分割结果和3D三角网格模型获得血流动力学参数、常规形态学特征以及放射学特征；

获取基因数据和临床特征，基于所述血流动力学参数、常规形态学特征、放射学特征、基因数据以及临床特征获得动脉瘤破裂风险的预测结果。

2.根据权利要求1所述的动脉瘤破裂风险预测方法，其特征在于，

所述基因数据包括Toll样受体3(TLR3)、纤维连接蛋白1(FN1)、淀粉样蛋白前体蛋白(APP)、核β输出因子1(Nxf1)以及信号转导和转录激活因子3(STAT3)。

3.根据权利要求1所述的动脉瘤破裂风险预测方法，其特征在于，

所述基于所述3D磁共振血管造影图像数据对动脉瘤分割及建立3D三角网格模型包括：

通过快速行进方法对所述3D磁共振血管造影图像数据进行处理，获得快速而粗略的分割，基于血管增强滤波器的速度用于边界表面演化，快速行进算法的输出产生名为动作图的函数图像；

嵌入函数的零水平集，采用非收缩算法对重建的模型进行平滑处理，使用边折叠和对角线交换优化三角剖分，交互截断血管并挤出边界；

将解剖模型用作支撑面，使用推进前沿方法生成有限元网格，进行重新三角剖分，生成四面体单元的区域；

生成动脉瘤和载瘤血管在内的3D体积数据，对于每个分割的表面，将动脉瘤穹顶与周围血管隔离得到处理后的3D三角网格模型。

4.根据权利要求1所述的动脉瘤破裂风险预测方法，其特征在于，

所述基于动脉瘤分割结果和3D三角网格模型获得血流动力学参数、常规形态学特征以及放射学特征包括：

所述血流动力学计算参数包括血流的最大流速，通过以下公式获得血流的最大流速，

其中，ρ为血流的密度、v为血流的速度、P为血流的压力和μ为血流的动态粘度。

5.根据权利要求1所述的动脉瘤破裂风险预测方法，其特征在于，

所述基于动脉瘤分割结果和3D三角网格模型获得血流动力学参数、常规形态学特征以及放射学特征包括：

对每个动脉瘤定义对应的动脉瘤颈平面；

获取与所述动脉瘤颈平面相距一个血管直径处的横断面得到载瘤血管平面；

基于所述动脉瘤颈平面、载瘤血管平面以及动脉瘤得到常规形态学特征。

6.根据权利要求1所述的动脉瘤破裂风险预测方法，其特征在于，

所述基于所述3D磁共振血管造影图像数据对动脉瘤分割及建立3D三角网格模型包括：

基于PyRadiology软件对分割后的动脉瘤和载瘤血管进行特征提取，包括形状特征、一阶直方图特征以及纹理特征。

7.根据权利要求1所述的动脉瘤破裂风险预测方法，其特征在于，

基于所述血流动力学参数、常规形态学特征、放射学特征、基因数据以及临床特征获得动脉瘤破裂风险的预测结果包括：

预先训练GLM-LASSO模型，将所述血流动力学参数、常规形态学特征、放射学特征、基因数据以及临床特征作为输入获得动脉瘤破裂风险的预测结果。

8.一种动脉瘤破裂风险预测装置，其特征在于，包括：

数据获取模块，用于获取多个连续的3D磁共振血管造影图像数据；

分割-建立模块，用于基于所述3D磁共振血管造影图像数据对动脉瘤分割及建立3D三角网格模型；

参数-特征获取模块，基于动脉瘤分割结果和3D三角网格模型获得血流动力学参数、常规形态学特征以及放射学特征；

预测模块，用于获取基因数据和临床特征，基于所述血流动力学参数、常规形态学特征、放射学特征、基因数据以及临床特征获得动脉瘤破裂风险的预测结果。