[发明专利]高分级颅内动脉瘤预测方法、装置、电子设备及可读介质

权利要求书

1.一种高分级颅内动脉瘤预测方法，其特征在于：包括：

采集输入特征数据；

将所述输入特征数据输入至预测模型以使所述预测模型输出分类结果；

输出所述分类结果；

其中，所述输入特征数据包括形态学特征数据；所述形态学特征数据包括：动脉瘤冠状面朝向及Fisher分级。

2.根据权利要求1所述的高分级颅内动脉瘤预测方法，其特征在于：

所述形态学特征数据还包括：动脉瘤大小、瘤颈、血管管径、动脉瘤高度、垂直高度、AR、SR、动脉瘤角度、血流角度、血管角度、是否有子瘤、动脉瘤冠状面朝向、动脉瘤形态是否规则。

3.根据权利要求1所述的高分级颅内动脉瘤预测方法，其特征在于：

所述输入特征数据还包括临床数据，其中临床数据包括：年龄、性别、高血压和吸烟史。

4.根据权利要求1所述的高分级颅内动脉瘤预测方法，其特征在于：

所述输入特征数据还包括若干影像组学特征数据。

5.根据权利要求4所述的高分级颅内动脉瘤预测方法，其特征在于：

所述预测模型采用logistics回归模型。

6.根据权利要求5所述的高分级颅内动脉瘤预测方法，其特征在于：

所述预测模型的构建方法包括：

以数据库中若干患者颅脑影像构成所述预测模型的输入数据；

以对应数据库中若干患者颅脑影像的分类结果构成所述预测模型的输出数据；

采用输入数据和输出数据训练预测模型。

7.根据权利要求1所述的高分级颅内动脉瘤预测方法，其特征在于：

所述采集输入特征数据包括：

通过若干CT扫描仪获取患者初始颅脑图像，其中扫描范围为C1前弓下缘至颅顶；

根据若干CT扫描仪获取的患者初始颅脑图像重建CTA图像；

根据所述CTA图像获得输入特征数据。

8.一种高分级颅内动脉瘤预测装置，包括：

采集模块，用于采集输入特征数据；

分类模块，用于将所述输入特征数据输入至预测模型以使所述预测模型输出分类结果；

输出模块，用于输出所述分类结果。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述处理器实现如权利要求1至7任意一项所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述的方法。