CN109785430B - Tapvc心上术后再狭窄的风险预测模型的构建方法 - Google Patents
Tapvc心上术后再狭窄的风险预测模型的构建方法 Download PDFInfo
- Publication number
- CN109785430B CN109785430B CN201910081663.3A CN201910081663A CN109785430B CN 109785430 B CN109785430 B CN 109785430B CN 201910081663 A CN201910081663 A CN 201910081663A CN 109785430 B CN109785430 B CN 109785430B
- Authority
- CN
- China
- Prior art keywords
- vein
- pulmonary vein
- angle
- left atrium
- common
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明涉及一种TAPVC心上术后再狭窄的风险预测模型的构建方法及装置。所述方法包括步骤:S1,构建风险预测深度学习模型:于术后对患儿行胸部CT,重建心脏和肺静脉三维实体模型,标记出左心房和肺静脉,使用几何分析软件计算各空间关系:共汇静脉与左心房长轴的距离、角度,左、右侧两条肺静脉分支之间的角度,左、右侧两条肺静脉分支分别与共汇静脉之间的角度,将各空间关系与患者术后再狭窄预测结果建立线性回归模型;S2,构建训练集;S3,训练风险预测深度学习模型;S4,验证风险预测深度学习模型。所述装置包括存储装置、计算模块和风险预测模块。基于本发明,能够准确预测TAPVC心上术后再狭窄的发生,以采取预防性治疗措施。
Description
技术领域
本发明涉及医疗人工智能技术领域,具体地说,涉及一种TAPVC心上术后再狭窄的风险预测模型的构建方法及装置。
背景技术
完全性肺静脉异位引流(total anomalous pulmonary venous connection,TAPVC)是一种较少见的复杂性先天性心脏畸形,约占先天性心脏病总发病率的1%~1.5%,根据引流位置不同可将TAPVD分为心上型、心内型、心下型和混合型,其中心上型最常见,约占45%。其临床表现主要与是否存在肺静脉回流梗阻和肺动脉高压相关,伴有梗阻者一般出生后不久即出现严重紫绀和充血性心力衰竭等,多于数日内死亡;不伴梗阻者出生后仅有较轻症状,如不及时接受手术治疗,发育至6个月以后心力衰竭加重,体循环严重缺血,80%患儿死于1岁以内,因此,患儿出生后一旦明确诊断即应在新生儿期行矫治术。
本申请人上海交通大学医学院附属上海儿童医学中心对新生儿期心上型梗阻型TAPVC患儿采用心上法(上腔静脉-升主动脉间径路)手术治疗,术后效果较理想。具体如下:
1、术前准备:患儿明确诊断后收入心胸外科重症监护室,予置暖床,心电监护,开放静脉。根据患儿临床症状如是否存在心功能不全、感染、内环境紊乱等予以术前准备性治疗。
2、手术方法:采用常规胸骨正中切口,在浅中低温体外循环平行转流下,游离部分左心房、升主动脉、右肺动脉、垂直静脉、上腔静脉近心端以及4根肺静脉汇入左心房后的汇总静脉;主动脉阻断后,根部注入4℃含血高钾心脏停搏液20ml/kg,心脏停跳后切开右心房,经房间隔置入左心引流管。采用心上路径,即通过上腔静脉和主动脉之间暴露左心房顶部,在左心房顶部沿汇总静脉方向作平行切口,向上剪至左心耳顶部,向下剪至距二尖瓣瓣环3~5mm处,在汇总静脉与左心房切口相对处作对应切口,切口沿至垂直静脉起始处,采用7-0Prolene缝线做左心房顶与汇总静脉侧-侧吻合,尽量保持吻合口宽大,连续缝合时保持较小针距,避免缝线荷包样收缩造成吻合口梗阻;经右心切口关闭房间隔或卵圆孔,大部分可直接缝合,缺损直径>1.5cm者取心包补片缝合关闭;主动脉根部排气,开放主动脉,连续缝合右心房切口;术毕结扎垂直静脉。
心上路径治疗心上型TAPVC其优点主要有:①通过心上路径采取心外切口吻合,避免心内操作及过度牵拉,同时能够减少对心内结构的损伤,保持各传导束支相对完整,可有效降低术后心律失常的发生率;②心上路径手术视野暴露更好,切口选择左心房后壁与垂直静脉相对处,可利用左心耳顶部与垂直静脉起始部之间区域将吻合口尽可能扩大,能够保证吻合口长期通畅;③手术步骤精简,操作方便,体外循环时间缩短,术后并发症明显减少。
然而,不可避免的是,TAPVC心上术后,仍有可能发生肺静脉梗阻(pulmonaryvenous obstruction,PVO),这是一种主要而严重的并发症。它通常发生在肺静脉-左心房吻合口和/或肺静脉等部位,由于吻合口、肺静脉的狭窄,造成肺静脉回流受阻,严重影响TAPVC矫治的效果,是再手术的第一位原因,也是导致晚期死亡的主要原因。据文献(吴信,完全性肺静脉异位引流术后肺静脉梗阻.心血管外科杂志,2014年第3卷第4期)报道,PVO的发生与下述因素有关:年龄;病理解剖类型;术前肺静脉存在病变者,术前肺静脉狭窄、共同肺静脉干小或无肺静脉干、术前梗阻性TAPVC易发生PVO;术中吻合口质量;术后肺动脉高压不降。了解PVO发生的危险因素,采取预防性治疗措施,可以减少PVO的发生,对具有危险因素者术后更应加强随诊,及时发现处理PVO。然而目前未见TAPVC心上术后再狭窄的风险预测装置及方法。
发明内容
本发明的目的是针对现有技术中的不足,提供一种TAPVC心上术后再狭窄的风险预测模型的构建方法及装置。
本发明第一方面提供了一种TAPVC心上术后再狭窄的风险预测模型的构建方法,包括以下步骤:
步骤S1:构建风险预测深度学习模型;
步骤S2:构建训练集;
步骤S3:训练风险预测深度学习模型;
步骤S4:验证风险预测深度学习模型。
作为一个优选例,步骤S1包括以下步骤:
S11,于术后对患儿行胸部CT检查;
S12,在三维建模软件中重建心脏和肺静脉三维实体模型,标记出左心房和肺静脉;
S13,使用几何分析软件,分析计算以下空间关系:①共汇静脉与左心房长轴的距离,②共汇静脉与左心房长轴的角度,③左侧两条肺静脉分支之间的角度,④右侧两条肺静脉分支之间的角度,⑤左侧两条肺静脉分支分别与共汇静脉之间的角度,⑥右侧两条肺静脉分支分别与共汇静脉之间的角度;将以上各空间关系与患者术后再狭窄预测结果建立线性回归模型;所述的左心房长轴其制作方法为:建立一个椭圆,所述椭圆将左心房包容于内部且左心房最外表面的凸点与所述椭圆相切,所述椭圆的长轴即为左心房长轴。
作为另一优选例,所述的共汇静脉与左心房长轴的距离指肺静脉中心线在肺静脉表面的各投影点和肺静脉中心线到左心房的各投影点之间的距离的集合;所述的共汇静脉与左心房长轴的角度指共汇静脉中心线与左心房长轴之间的实际夹角;所述的左侧两条肺静脉分支之间的角度指左上肺静脉中心线与左下肺静脉中心线之间的角度;所述的右侧两条肺静脉分支之间的角度指右上肺静脉中心线与右下肺静脉中心线之间的角度;所述的左侧两条肺静脉分支分别与共汇静脉之间的角度指左上肺静脉中心线与共汇静脉中心线之间的角度,以及左下肺静脉中心线与共汇静脉中心线之间的角度;所述的右侧两条肺静脉分支分别与共汇静脉之间的角度指右上肺静脉中心线与共汇静脉中心线之间的角度,以及右下肺静脉中心线与共汇静脉中心线之间的角度。
作为另一优选例,所述的训练集包括患者的基本信息、专业医生的诊断结果。
作为另一优选例,所述的专业医生的诊断结果包括患者术后再狭窄发生与否,或者患者术后再狭窄发生时间。
本发明第二方面提供了一种TAPVC心上术后再狭窄的风险预测装置,所述的风险预测装置包括:
存储装置:用于存储训练集信息,包括患者的基本信息、专业医生的诊断结果;
计算模块:用于根据患儿术后胸部CT结果,重建心脏和肺静脉三维实体模型,标记出左心房和肺静脉,分析计算以下空间关系:①共汇静脉与左心房长轴的距离;②共汇静脉与左心房长轴的角度;③左侧两条肺静脉分支之间的角度;④右侧两条肺静脉分支之间的角度;⑤左侧两条肺静脉分支分别与共汇静脉之间的角度;⑥右侧两条肺静脉分支分别与共汇静脉之间的角度;所述的左心房长轴其制作方法为:建立一个椭圆,所述椭圆将左心房包容于内部且左心房最外表面的凸点与所述椭圆相切,所述椭圆的长轴即为左心房长轴;
风险预测模块:用于基于经深度学习获得的如上所述的风险预测模型,在所述计算模块获得的空间关系的基础上,计算得到患儿术后再狭窄发生的情况。
作为一个优选例,所述的共汇静脉与左心房长轴的距离指肺静脉中心线在肺静脉表面的各投影点和肺静脉中心线到左心房的各投影点之间的距离的集合;所述的共汇静脉与左心房长轴的角度指共汇静脉中心线与左心房长轴之间的实际夹角;所述的左侧两条肺静脉分支之间的角度指左上肺静脉中心线与左下肺静脉中心线之间的角度;所述的右侧两条肺静脉分支之间的角度指右上肺静脉中心线与右下肺静脉中心线之间的角度;所述的左侧两条肺静脉分支分别与共汇静脉之间的角度指左上肺静脉中心线与共汇静脉中心线之间的角度,以及左下肺静脉中心线与共汇静脉中心线之间的角度;所述的右侧两条肺静脉分支分别与共汇静脉之间的角度指右上肺静脉中心线与共汇静脉中心线之间的角度,以及右下肺静脉中心线与共汇静脉中心线之间的角度。
作为另一优选例,所述的专业医生的诊断结果包括患者术后再狭窄发生与否,或者患者术后再狭窄发生时间。
作为另一优选例,所述的风险预测装置还包括调整模块,用于医生根据所述空间关系以外的参数对患儿术后再狭窄发生的情况做调整。
本发明第三方面提供了一种非诊断和治疗目的的TAPVC心上术后再狭窄的风险预测方法,包括以下步骤:
步骤S1:于术后对患儿行胸部CT检查;
步骤S2:在三维建模软件中重建心脏和肺静脉三维实体模型,标记出左心房和肺静脉;
步骤S3:使用几何分析软件,分析计算以下空间关系:①共汇静脉与左心房长轴的距离,②共汇静脉与左心房长轴的角度,③左侧两条肺静脉分支之间的角度,④右侧两条肺静脉分支之间的角度,⑤左侧两条肺静脉分支分别与共汇静脉之间的角度,⑥右侧两条肺静脉分支分别与共汇静脉之间的角度;所述的左心房长轴其制作方法为:建立一个椭圆,所述椭圆将左心房包容于内部且左心房最外表面的凸点与所述椭圆相切,所述椭圆的长轴即为左心房长轴;
步骤S4:根据步骤S3获得的空间关系,代入经深度学习获得的如上所述的风险预测模型,预测TAPVC心上术后再狭窄的风险。
作为一个优选例,所述的共汇静脉与左心房长轴的距离指肺静脉中心线在肺静脉表面的各投影点和肺静脉中心线到左心房的各投影点之间的距离的集合;所述的共汇静脉与左心房长轴的角度指共汇静脉中心线与左心房长轴之间的实际夹角;所述的左侧两条肺静脉分支之间的角度指左上肺静脉中心线与左下肺静脉中心线之间的角度;所述的右侧两条肺静脉分支之间的角度指右上肺静脉中心线与右下肺静脉中心线之间的角度;所述的左侧两条肺静脉分支分别与共汇静脉之间的角度指左上肺静脉中心线与共汇静脉中心线之间的角度,以及左下肺静脉中心线与共汇静脉中心线之间的角度;所述的右侧两条肺静脉分支分别与共汇静脉之间的角度指右上肺静脉中心线与共汇静脉中心线之间的角度,以及右下肺静脉中心线与共汇静脉中心线之间的角度。
本发明优点在于:
1、本发明提供了一种TAPVC心上术后再狭窄的风险预测模型的构建方法,可构建TAPVC心上术后再狭窄的风险预测模型,基于本发明的TAPVC心上术后再狭窄的风险预测装置,将能够预测术后再狭窄的发生,以采取预防性治疗措施,减少其发生,对具有危险因素者术后加强随诊,及时发现处理,进一步降低再手术概率。
2、本发明的TAPVC心上术后再狭窄的风险预测模型的构建方法,其根据患儿术后的胸部CT,采集计算五个关键空间参数,该五个关键空间参数和其计算方法是基于本发明人丰富的临床经验和分析得出,对预测TAPVC心上术后再狭窄起到关键作用,保证了预测模型的实用性和准确度。
3、本发明的TAPVC心上术后再狭窄的风险预测模型的构建方法,构建了训练集,经深度学习,可以进一步获得性能和准确度更高的预测模型。
4、本发明的TAPVC心上术后再狭窄的风险预测模型的构建方法,采用患儿术后的胸部CT为基本数据,操作简易方便。
附图说明
附图1:本发明的一种TAPVC心上术后再狭窄的风险预测模型的构建方法的流程图。
附图2:在MIMICS中标记出左心房、肺静脉。
附图3:各空间关系的计算。
附图4:本发明的一种TAPVC心上术后再狭窄的风险预测装置的结构框图。
附图5:本发明的另一种TAPVC心上术后再狭窄的风险预测装置的结构框图。
附图6:本发明的一种TAPVC心上术后再狭窄的风险预测方法的流程图。
具体实施方式
下面结合附图对本发明提供的具体实施方式作详细说明。
附图中涉及的附图标记和组成部分如下所示:
1.存储装置 2.计算模块
3.风险预测模块 4.调整模块
实施例1本发明的一种TAPVC心上术后再狭窄的风险预测模型的构建方法
请参照图1,图1是本发明的一种TAPVC心上术后再狭窄的风险预测模型的构建方法的流程图。所述的构建方法包括以下步骤:
步骤S1:构建风险预测深度学习模型
S11、于术后对患儿行胸部CT检查,保存为DICOM格式的数据文件;
S12、将DICOM格式的数据文件导入三维建模软件MIMICS,重建心脏和肺静脉三维实体模型,标记出左心房和肺静脉(图2),保存为STL格式文件;
S13、使用vmtk工具包(https://github.com/vmtk/vmtk),分析计算以下空间关系:①共汇静脉与左心房长轴的距离:指图3中白色粗线上的白色点和灰色粗线上的灰色点之间的距离的集合;②共汇静脉与左心房长轴的角度:指共汇静脉中心线与左心房长轴之间的实际夹角;③左侧两条肺静脉分支之间的角度:指左上肺静脉中心线与左下肺静脉中心线之间的角度;④右侧两条肺静脉分支之间的角度:指右上肺静脉中心线与右下肺静脉中心线之间的角度;⑤左侧两条肺静脉分支分别与共汇静脉之间的角度:指左上肺静脉中心线与共汇静脉中心线之间的角度,以及左下肺静脉中心线与共汇静脉中心线之间的角度;⑥右侧两条肺静脉分支分别与共汇静脉之间的角度:指右上肺静脉中心线与共汇静脉中心线之间的角度,以及右下肺静脉中心线与共汇静脉中心线之间的角度(参见图3,图3是各空间关系的计算图解。其中,左心房、共汇静脉、左上肺静脉、左下肺静脉、右上肺静脉、右下肺静脉、左心房长轴如图中标注。左心房长轴的制作方法为:建立一个椭圆,所述椭圆将左心房包容于内部且左心房最外表面的凸点与所述椭圆相切,所述椭圆的长轴即为左心房长轴。肺静脉中心线即三维肺静脉中心的线条,如图中沿肺静脉走向的细线所示。图中灰色粗线由若干灰色点连接组成,该灰色粗线表示肺静脉中心线到左心房的投影,具体投影方法为:首先得到共汇静脉中心线上的每个点到左心房最近点的方向,即各个点的方向向量,然后计算这些方向向量的平均向量,即为投影方向。图中白色粗线是由若干白色点连接组成,该白色粗线表示肺静脉中心线在肺静脉表面的投影,具体投影方法为:首先得到共汇静脉中心线上的每个点到肺静脉表面最近点的方向,即各个点的方向向量,然后计算这些方向向量的平均向量,即为投影方向。)。将以上各空间关系与患者术后再狭窄预测结果(该结果由有经验的权威医生预测得出)建立线性回归模型。
步骤S2:构建训练集
训练集中每条记录需包括:患者的基本信息、专业医生的诊断结果(包括患者术后再狭窄发生“是”或“否”,以及患者术后再狭窄发生时间,该结果通过随访获得)。每条记录的诊断均出自本专业的权威医生。
步骤S3:训练风险预测深度学习模型
风险预测深度学习模型用训练集进行训练学习、调参。
步骤S4:验证风险预测深度学习模型
然后风险预测深度学习模型经过多个相关验证集的测试,直至达到性能和准确度的要求,其中验证集每条记录包括的项目种类和要求与训练集资料相同。
实施例2本发明的一种TAPVC心上术后再狭窄的风险预测装置
请参照图4,图4是本发明的一种TAPVC心上术后再狭窄的风险预测装置的结构框图。所述的风险预测装置包括:存储装置1、计算模块2、风险预测模块3。
存储装置1:用于存储训练集信息,包括患者的基本信息、专业医生的诊断结果(包括患者术后再狭窄发生“是”或“否”,以及患者术后再狭窄发生时间,该结果通过随访获得)。
计算模块2:用于根据患儿术后胸部CT结果,重建心脏和肺静脉三维实体模型,标记出左心房和肺静脉,分析计算以下空间关系:①共汇静脉与左心房长轴的距离:指图3中白色粗线上的白色点和灰色粗线上的灰色点之间的距离的集合;②共汇静脉与左心房长轴的角度:指共汇静脉中心线与左心房长轴之间的实际夹角;③左侧两条肺静脉分支之间的角度:指左上肺静脉中心线与左下肺静脉中心线之间的角度;④右侧两条肺静脉分支之间的角度:指右上肺静脉中心线与右下肺静脉中心线之间的角度;⑤左侧两条肺静脉分支分别与共汇静脉之间的角度:指左上肺静脉中心线与共汇静脉中心线之间的角度,以及左下肺静脉中心线与共汇静脉中心线之间的角度;⑥右侧两条肺静脉分支分别与共汇静脉之间的角度:指右上肺静脉中心线与共汇静脉中心线之间的角度,以及右下肺静脉中心线与共汇静脉中心线之间的角度(参见图3,图3是各空间关系的计算图解。其中,左心房、共汇静脉、左上肺静脉、左下肺静脉、右上肺静脉、右下肺静脉、左心房长轴如图中标注。左心房长轴的制作方法为:建立一个椭圆,所述椭圆将左心房包容于内部且左心房最外表面的凸点与所述椭圆相切,所述椭圆的长轴即为左心房长轴。肺静脉中心线即三维肺静脉中心的线条,如图中沿肺静脉走向的细线所示。图中灰色粗线由若干灰色点连接组成,该灰色粗线表示肺静脉中心线到左心房的投影,具体投影方法为:首先得到共汇静脉中心线上的每个点到左心房最近点的方向,即各个点的方向向量,然后计算这些方向向量的平均向量,即为投影方向。图中白色粗线是由若干白色点连接组成,该白色粗线表示肺静脉中心线在肺静脉表面的投影,具体投影方法为:首先得到共汇静脉中心线上的每个点到肺静脉表面最近点的方向,即各个点的方向向量,然后计算这些方向向量的平均向量,即为投影方向。)。
风险预测模块3:用于基于实施例1经深度学习获得的风险预测模型,在上述空间关系的基础上,计算得到患儿术后再狭窄发生的情况。可以使用指数形式,如设置10级,程度越高发生概率越大;也可以输出“是”或“否”的决断;或是输出术后再狭窄的发生时间。
实施例3本发明的另一种TAPVC心上术后再狭窄的风险预测装置
请参照图5,图5是本发明的另一种TAPVC心上术后再狭窄的风险预测装置的结构框图。所述的风险预测装置包括:存储装置1、计算模块2、风险预测模块3和调整模块4。
存储装置1:用于存储训练集信息,包括患者的基本信息、专业医生的诊断(包括患者术后再狭窄发生“是”或“否”,以及患者术后再狭窄发生时间,该结果通过随访获得)。
计算模块2:用于根据患儿术后胸部CT结果,重建心脏和肺静脉三维实体模型,标记出左心房和肺静脉,分析计算以下空间关系:①共汇静脉与左心房长轴的距离:指图3中白色粗线上的白色点和灰色粗线上的灰色点之间的距离的集合;②共汇静脉与左心房长轴的角度:指共汇静脉中心线与左心房长轴之间的实际夹角;③左侧两条肺静脉分支之间的角度:指左上肺静脉中心线与左下肺静脉中心线之间的角度;④右侧两条肺静脉分支之间的角度:指右上肺静脉中心线与右下肺静脉中心线之间的角度;⑤左侧两条肺静脉分支分别与共汇静脉之间的角度:指左上肺静脉中心线与共汇静脉中心线之间的角度,以及左下肺静脉中心线与共汇静脉中心线之间的角度;⑥右侧两条肺静脉分支分别与共汇静脉之间的角度:指右上肺静脉中心线与共汇静脉中心线之间的角度,以及右下肺静脉中心线与共汇静脉中心线之间的角度(参见图3,图3是各空间关系的计算图解。其中,左心房、共汇静脉、左上肺静脉、左下肺静脉、右上肺静脉、右下肺静脉、左心房长轴如图中标注。左心房长轴的制作方法为:建立一个椭圆,所述椭圆将左心房包容于内部且左心房最外表面的凸点与所述椭圆相切,所述椭圆的长轴即为左心房长轴。肺静脉中心线即三维肺静脉中心的线条,如图中沿肺静脉走向的细线所示。图中灰色粗线由若干灰色点连接组成,该灰色粗线表示肺静脉中心线到左心房的投影,具体投影方法为:首先得到共汇静脉中心线上的每个点到左心房最近点的方向,即各个点的方向向量,然后计算这些方向向量的平均向量,即为投影方向。图中白色粗线是由若干白色点连接组成,该白色粗线表示肺静脉中心线在肺静脉表面的投影,具体投影方法为:首先得到共汇静脉中心线上的每个点到肺静脉表面最近点的方向,即各个点的方向向量,然后计算这些方向向量的平均向量,即为投影方向。)。
风险预测模块3:用于基于实施例1经深度学习获得的风险预测模型,在上述空间关系的基础上,计算得到患儿术后再狭窄发生的情况。可以使用指数形式,如设置10级,程度越高发生概率越大;也可以输出“是”或“否”的决断;或是输出术后再狭窄的发生时间。
调整模块4:用于医生根据患者手术时年龄、体重等其他参数做适当调整。
实施例4本发明的一种TAPVC心上术后再狭窄的风险预测方法
请参照图6,图6是本发明的一种TAPVC心上术后再狭窄的风险预测方法的流程图。所述的风险预测方法包括以下步骤:
步骤S1:于术后对患儿行胸部CT检查,保存为DICOM格式的数据文件。
步骤S2:将DICOM格式的数据文件导入三维建模软件MIMICS,重建心脏和肺静脉三维实体模型,标记出左心房和肺静脉,保存为STL格式文件。
步骤S3:使用vmtk工具包(https://github.com/vmtk/vmtk),分析计算以下空间关系:①共汇静脉与左心房长轴的距离:指图3中白色粗线上的白色点和灰色粗线上的灰色点之间的距离的集合;②共汇静脉与左心房长轴的角度:指共汇静脉中心线与左心房长轴之间的实际夹角;③左侧两条肺静脉分支之间的角度:指左上肺静脉中心线与左下肺静脉中心线之间的角度;④右侧两条肺静脉分支之间的角度:指右上肺静脉中心线与右下肺静脉中心线之间的角度;⑤左侧两条肺静脉分支分别与共汇静脉之间的角度:指左上肺静脉中心线与共汇静脉中心线之间的角度,以及左下肺静脉中心线与共汇静脉中心线之间的角度;⑥右侧两条肺静脉分支分别与共汇静脉之间的角度:指右上肺静脉中心线与共汇静脉中心线之间的角度,以及右下肺静脉中心线与共汇静脉中心线之间的角度(参见图3,图3是各空间关系的计算图解。其中,左心房、共汇静脉、左上肺静脉、左下肺静脉、右上肺静脉、右下肺静脉、左心房长轴如图中标注。左心房长轴的制作方法为:建立一个椭圆,所述椭圆将左心房包容于内部且左心房最外表面的凸点与所述椭圆相切,所述椭圆的长轴即为左心房长轴。肺静脉中心线即三维肺静脉中心的线条,如图中沿肺静脉走向的细线所示。图中灰色粗线由若干灰色点连接组成,该灰色粗线表示肺静脉中心线到左心房的投影,具体投影方法为:首先得到共汇静脉中心线上的每个点到左心房最近点的方向,即各个点的方向向量,然后计算这些方向向量的平均向量,即为投影方向。图中白色粗线是由若干白色点连接组成,该白色粗线表示肺静脉中心线在肺静脉表面的投影,具体投影方法为:首先得到共汇静脉中心线上的每个点到肺静脉表面最近点的方向,即各个点的方向向量,然后计算这些方向向量的平均向量,即为投影方向。)。
步骤S4:根据步骤S3获得的空间关系,代入实施例1的TAPVC心上术后再狭窄的风险预测模型,预测TAPVC心上术后再狭窄的风险。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员,在不脱离本发明方法的前提下,还可以做出若干改进和补充,这些改进和补充也应视为本发明的保护范围。
Claims (7)
1.一种TAPVC心上术后再狭窄的风险预测模型的构建方法,其特征在于,包括以下步骤:
步骤S1:构建风险预测深度学习模型:于术后对患儿行胸部CT检查;在三维建模软件中重建心脏和肺静脉三维实体模型,标记出左心房和肺静脉;使用几何分析软件,分析计算以下空间关系:①共汇静脉与左心房长轴的距离,②共汇静脉与左心房长轴的角度,③左侧两条肺静脉分支之间的角度,④右侧两条肺静脉分支之间的角度,⑤左侧两条肺静脉分支分别与共汇静脉之间的角度,⑥右侧两条肺静脉分支分别与共汇静脉之间的角度;将以上各空间关系与患者术后再狭窄预测结果建立线性回归模型;所述的左心房长轴其制作方法为:建立一个椭圆,所述椭圆将左心房包容于内部且左心房最外表面的凸点与所述椭圆相切,所述椭圆的长轴即为左心房长轴;
步骤S2:构建训练集:记录患者的基本信息、专业医生的诊断结果;
步骤S3:训练风险预测深度学习模型:用训练集进行训练学习、调参;
步骤S4:验证风险预测深度学习模型:经多个相关验证集的测试,直至达到性能和准确度的要求,其中验证集每条记录包括的项目种类和要求与训练集资料相同。
2.根据权利要求1所述的构建方法,其特征在于,所述步骤S1中的共汇静脉与左心房长轴的距离指肺静脉中心线在肺静脉表面的各投影点和肺静脉中心线到左心房的各投影点之间的距离的集合;所述的共汇静脉与左心房长轴的角度指共汇静脉中心线与左心房长轴之间的实际夹角;所述的左侧两条肺静脉分支之间的角度指左上肺静脉中心线与左下肺静脉中心线之间的角度;所述的右侧两条肺静脉分支之间的角度指右上肺静脉中心线与右下肺静脉中心线之间的角度;所述的左侧两条肺静脉分支分别与共汇静脉之间的角度指左上肺静脉中心线与共汇静脉中心线之间的角度,以及左下肺静脉中心线与共汇静脉中心线之间的角度;所述的右侧两条肺静脉分支分别与共汇静脉之间的角度指右上肺静脉中心线与共汇静脉中心线之间的角度,以及右下肺静脉中心线与共汇静脉中心线之间的角度。
3.一种TAPVC心上术后再狭窄的风险预测装置,其特征在于,所述的风险预测装置包括:
存储装置:用于存储训练集信息,包括患者的基本信息、专业医生的诊断结果;
计算模块:用于根据患儿术后胸部CT结果,重建心脏和肺静脉三维实体模型,标记出左心房和肺静脉,分析计算以下空间关系:①共汇静脉与左心房长轴的距离;②共汇静脉与左心房长轴的角度;③左侧两条肺静脉分支之间的角度;④右侧两条肺静脉分支之间的角度;⑤左侧两条肺静脉分支分别与共汇静脉之间的角度;⑥右侧两条肺静脉分支分别与共汇静脉之间的角度;所述的左心房长轴其制作方法为:建立一个椭圆,所述椭圆将左心房包容于内部且左心房最外表面的凸点与所述椭圆相切,所述椭圆的长轴即为左心房长轴;
风险预测模块:用于基于按照权利要求1所述的构建方法经深度学习获得的风险预测模型,在所述计算模块获得的空间关系的基础上,计算得到患儿术后再狭窄发生的情况。
4.根据权利要求3所述的风险预测装置,其特征在于,所述的共汇静脉与左心房长轴的距离指肺静脉中心线在肺静脉表面的各投影点和肺静脉中心线到左心房的各投影点之间的距离的集合;所述的共汇静脉与左心房长轴的角度指共汇静脉中心线与左心房长轴之间的实际夹角;所述的左侧两条肺静脉分支之间的角度指左上肺静脉中心线与左下肺静脉中心线之间的角度;所述的右侧两条肺静脉分支之间的角度指右上肺静脉中心线与右下肺静脉中心线之间的角度;所述的左侧两条肺静脉分支分别与共汇静脉之间的角度指左上肺静脉中心线与共汇静脉中心线之间的角度,以及左下肺静脉中心线与共汇静脉中心线之间的角度;所述的右侧两条肺静脉分支分别与共汇静脉之间的角度指右上肺静脉中心线与共汇静脉中心线之间的角度,以及右下肺静脉中心线与共汇静脉中心线之间的角度。
5.根据权利要求3所述的风险预测装置,其特征在于,所述的专业医生的诊断结果包括患者术后再狭窄发生与否,或者患者术后再狭窄发生时间。
6.根据权利要求3所述的风险预测装置,其特征在于,所述的风险预测装置还包括调整模块,用于医生根据所述空间关系以外的参数对患儿术后再狭窄发生的情况做调整。
7.一种非诊断和治疗目的的TAPVC心上术后再狭窄的风险预测方法,其特征在于,包括以下步骤:
步骤S1:于术后对患儿行胸部CT检查;
步骤S2:在三维建模软件中重建心脏和肺静脉三维实体模型,标记出左心房和肺静脉;
步骤S3:使用几何分析软件,分析计算以下空间关系:①共汇静脉与左心房长轴的距离,②共汇静脉与左心房长轴的角度,③左侧两条肺静脉分支之间的角度,④右侧两条肺静脉分支之间的角度,⑤左侧两条肺静脉分支分别与共汇静脉之间的角度,⑥右侧两条肺静脉分支分别与共汇静脉之间的角度;所述的左心房长轴其制作方法为:建立一个椭圆,所述椭圆将左心房包容于内部且左心房最外表面的凸点与所述椭圆相切,所述椭圆的长轴即为左心房长轴;
步骤S4:根据步骤S3获得的空间关系,代入按照权利要求1所述的构建方法经深度学习获得的风险预测模型,预测TAPVC心上术后再狭窄的风险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910081663.3A CN109785430B (zh) | 2019-01-28 | 2019-01-28 | Tapvc心上术后再狭窄的风险预测模型的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910081663.3A CN109785430B (zh) | 2019-01-28 | 2019-01-28 | Tapvc心上术后再狭窄的风险预测模型的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109785430A CN109785430A (zh) | 2019-05-21 |
CN109785430B true CN109785430B (zh) | 2023-07-18 |
Family
ID=66502760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910081663.3A Active CN109785430B (zh) | 2019-01-28 | 2019-01-28 | Tapvc心上术后再狭窄的风险预测模型的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109785430B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309862A (zh) * | 2019-06-11 | 2019-10-08 | 广东省人民医院(广东省医学科学院) | 基于集成机器学习的dme预后信息预测系统及其应用方法 |
CN113052864B (zh) * | 2021-03-02 | 2022-12-23 | 四川大学 | 一种基于机器学习的整形手术术后体貌预测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105474219A (zh) * | 2013-08-28 | 2016-04-06 | 西门子公司 | 用于根据医学图像和临床数据来估计生理学心脏测量的系统和方法 |
CN106295180A (zh) * | 2016-08-10 | 2017-01-04 | 中国人民解放军第三军医大学第三附属医院 | 老年骨科手术风险预测方法 |
CN106456078A (zh) * | 2013-10-17 | 2017-02-22 | 西门子保健有限责任公司 | 用于对血流储备分数的基于机器学习的评估的方法和系统 |
CN106874663A (zh) * | 2017-01-26 | 2017-06-20 | 中电科软件信息服务有限公司 | 心脑血管疾病风险预测方法及系统 |
CN107145702A (zh) * | 2016-03-01 | 2017-09-08 | 西门子保健有限责任公司 | 基于医疗图像的心源性栓塞型中风风险预测系统和方法 |
GB201815492D0 (en) * | 2017-09-22 | 2018-11-07 | Optellum Ltd | System method and apparatus for assisting a determination of medical images |
CN109166105A (zh) * | 2018-08-01 | 2019-01-08 | 中国人民解放军南京军区南京总医院 | 人工智能医学影像的肿瘤恶性风险分层辅助诊断系统 |
-
2019
- 2019-01-28 CN CN201910081663.3A patent/CN109785430B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105474219A (zh) * | 2013-08-28 | 2016-04-06 | 西门子公司 | 用于根据医学图像和临床数据来估计生理学心脏测量的系统和方法 |
CN106456078A (zh) * | 2013-10-17 | 2017-02-22 | 西门子保健有限责任公司 | 用于对血流储备分数的基于机器学习的评估的方法和系统 |
CN107145702A (zh) * | 2016-03-01 | 2017-09-08 | 西门子保健有限责任公司 | 基于医疗图像的心源性栓塞型中风风险预测系统和方法 |
CN106295180A (zh) * | 2016-08-10 | 2017-01-04 | 中国人民解放军第三军医大学第三附属医院 | 老年骨科手术风险预测方法 |
CN106874663A (zh) * | 2017-01-26 | 2017-06-20 | 中电科软件信息服务有限公司 | 心脑血管疾病风险预测方法及系统 |
GB201815492D0 (en) * | 2017-09-22 | 2018-11-07 | Optellum Ltd | System method and apparatus for assisting a determination of medical images |
CN109166105A (zh) * | 2018-08-01 | 2019-01-08 | 中国人民解放军南京军区南京总医院 | 人工智能医学影像的肿瘤恶性风险分层辅助诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109785430A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7248800B2 (ja) | インプラント可能な心臓センサ | |
US7526112B2 (en) | System and method for facilitating cardiac intervention | |
US7333643B2 (en) | System and method for facilitating cardiac intervention | |
Kitagawa et al. | Techniques and results in the management of multiple ventricular septal defects | |
US20130072790A1 (en) | Selection and optimization for cardiac resynchronization therapy | |
EP1832233A1 (en) | Cardiac valve data measuring method and device | |
CN109785430B (zh) | Tapvc心上术后再狭窄的风险预测模型的构建方法 | |
JP2015509820A (ja) | 安静および充血時における冠血流のパーソナライゼーション用フレームワーク | |
JP2016513516A (ja) | 個別の血行動態のモデル化および監視のためのシステムおよび方法 | |
US20050043609A1 (en) | System and method for facilitating cardiac intervention | |
JP7369437B2 (ja) | 評価システム、評価方法、学習方法、学習済みモデル、プログラム | |
Agarwal et al. | The heterotaxy syndrome: associated congenital heart defects and management | |
Lopez et al. | Guidelines for performing a comprehensive pediatric transthoracic echocardiogram: recommendations from the American Society of Echocardiography | |
Wu et al. | Evaluation of cardiac function characteristics after patent ductus arteriosus closure in children and adults by echocardiographic data | |
Heinisch et al. | Right axillary thoracotomy in congenital cardiac surgery: analysis of percutaneous cannulation | |
Vázquez et al. | Point-of-care echocardiography: A useful tool for assessing complex arrhythmias in the pediatric intensive care unit | |
Gaspar et al. | Non-invasive hemodynamic evaluation by Doppler echocardiography | |
CN113469975B (zh) | 用于急诊的容量管理装置、设备及存储介质 | |
Walsh et al. | Critical care outcomes in pulmonary atresia and intact ventricular septum undergoing single-ventricle palliation | |
Gheorghe et al. | The evolving role of multi-modality imaging in transcatheter tricuspid valve interventions | |
Backer et al. | Atrioventricular septal defects | |
Van Doorn et al. | Ventricular septal defects | |
Sagatov et al. | TYPES OF CORRECTION OF THE SUPRACARDIAC FORM OF PARTIAL ABNORMAL DRAINAGE OF THE PULMONARY VEINS. WARDEN PROCEDURE | |
EBSTEIN’S | Ebstein’s anomaly, congenital tricuspid valve regurgitation, and dysplasia | |
Kan et al. | Handmade trileaflet valve design and validation for patch-valved conduit reconstruction using generalized regression machine learning model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |