CN114068013B - 一种脑动脉闭塞人工智能辅助决策系统 - Google Patents

一种脑动脉闭塞人工智能辅助决策系统 Download PDF

Info

Publication number
CN114068013B
CN114068013B CN202111352687.1A CN202111352687A CN114068013B CN 114068013 B CN114068013 B CN 114068013B CN 202111352687 A CN202111352687 A CN 202111352687A CN 114068013 B CN114068013 B CN 114068013B
Authority
CN
China
Prior art keywords
treatment
decision
diagnosis
acute
occlusion
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
Application number
CN202111352687.1A
Other languages
English (en)
Other versions
CN114068013A (zh
Inventor
高峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Tiantan Hospital
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202111352687.1A priority Critical patent/CN114068013B/zh
Publication of CN114068013A publication Critical patent/CN114068013A/zh
Application granted granted Critical
Publication of CN114068013B publication Critical patent/CN114068013B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明提供了一种脑动脉闭塞人工智能辅助决策系统，采集数据的数据采集模块；与采集模块连接，分析数据并分别提取急性和非急性脑动脉闭塞数据特征的数据特征提取模块；以及与所述智能数据特征提取模块相连，对异构特征进行融合分析的异构特征融合分析模块，通过本系统对异构特征进行融合，提高了系统在处理脑动脉闭塞诊疗决策方案推理结果的精度和稳定性，提高了系统的泛化性能。

Description

一种脑动脉闭塞人工智能辅助决策系统
技术领域
本发明涉及基于医学影像和人工智能的综合辅助诊疗领域，尤其涉及一种基于深度学习人工智能网络的脑动脉闭塞辅助决策系统。
背景技术
颅内动脉急性/非急性期闭塞，是缺血性卒中的一个重要原因。其卒中年复发风险为3.6％～22.0％；其中大脑中动脉闭塞临床多见，占闭塞性脑血管病的79.6％。传统血管成像技术CTA、MRA及DSA可明确非急性闭塞诊断，但无法直接显示病变血管管壁及斑块、栓子情况，对病因缺少直接判断依据。高分辨磁共振成像(high resolution magneticresonance imaging，HR-MRI)检查可以对闭塞部位、形态、闭塞长度、闭塞血管壁状况及斑块稳定性评估，闭塞时间长短，对疾病诊断和卒中风险判断有一定指导意义。
本发明基于医学影像数据和患者病例信息，通过读取人工智能模型输出的ASPECT评分、Tan评分等评估方式结果，结合患者病例信息中的内容，利用治疗辅助决策模型，形成最优的脑动脉闭塞治疗方案，供临床医生参考。
发明内容
本发明提出了一种脑动脉闭塞人工智能辅助决策系统，包括：
采集数据的数据采集模块；
与采集模块连接，分析数据并分别提取急性和非急性脑动脉闭塞数据特征的数据特征提取模块；
其特征在于，还包括与所述智能数据特征提取模块相连，对异构特征进行融合分析的异构特征融合分析模块。
进一步的，所述智能数据特征提取模块和异构特征融合分析模块中急性和非急性两类闭塞辅助决策系统，分别按照系统中设定的类型，处理指定类型的数据。
进一步的，所述智能数据特征提取模块包括诊疗所需特征输出和常规分类输出，所述诊疗所需特征输出内容为经识别后得出的疾病分类结果和计算所得的病理参数，所述常规分类输出内容为经识别后获取的结构化临床病历信息特征。
进一步的，所述异构特征融合分析模块中，包括智能诊断模型、预后预测模型和治疗辅助决策模型：
所述智能诊断模型读取语义病理参数，结合疾病分类结果，生成结构化诊断报告；
所述预后预测模型读取疾病分类结果，结合语义病理参数，在统计疾病分类结果后，结合语义病理参数，生成mRS评分；
所述治疗辅助决策模型中包含医学影像人工智能网络，使用统计方法输出最优建议治疗方式。
进一步的，所述治疗辅助决策模型中，包括非急性治疗辅助决策子模型和急性治疗辅助决策子模型。
进一步的，所述非急性治疗辅助决策子模型中预置有医学图像定量分析模块，非急性治疗辅助决策子模型使用所述医学图像定量分析模块输出的特征信息，结合当前病例的语义病理参数和临床特征信息，对人工智能网络进行训练。
进一步的，所述人工智能模型至少包括两种不同的网络结构，所述至少两种不同的网络结构通过随机采样器在训练集中随机选取数据作为输入，对人工智能模型进行训练。
进一步的，所述急性治疗辅助决策子模型中预置有医学图像定量分析模块，急性治疗辅助决策子模型使用所述医学图像定量分析模块输出的特征信息，结合当前病例的临床特征信息，对人工智能网络进行训练。
进一步的，所述人工智能网络至少包括两种不同的网络结构，所述至少两种不同的网络结构通过随机采样器在训练集中随机选取数据作为输入，对人工智能网络进行训练。
进一步的，，所述不同模型结构的推理结果被输入进统计模块中，由所述统计模块对结果进行统计后，输出最优建议治疗方式，优选使用投票器进行统计。
上述脑动脉闭塞人工智能辅助决策系统，综合运用了多种信息，对闭塞性脑卒中患者的临床症状进行分析，基于深度学习技术，为闭塞性脑卒中患者的临床诊疗和预后随访进行了预测，为医生的诊疗提供参考。
附图说明
图1为本发明一个实施例的模块构成示意图；
图2为本发明一个实施例的工作流图；
图3为本发明一个实施例的集成学习模型结构示意图；
图4为本发明一个实施例的急性脑动脉闭塞决策系统部分的治疗辅助决策模型；
图5为本发明一个实施例的非急性脑动脉闭塞决策系统部分的治疗辅助决策模型；
图6为本发明一个实施例的结构化诊断报告生成系统数据流图。
具体实施方式
本发明提出的一种脑动脉闭塞人工智能辅助决策系统，能够综合运用医学影像评分和患者病历信息的特征，使用融合的方式分析患者病情。同时，按照急性/非急性两种类型，对患者治疗方案进行人工智能分析，得出mRS评分，对患者的预后进行预测，输出治疗方案供临床医生参考。
如图1所示，在本发明的一个实施例中，脑动脉闭塞人工智能诊疗决策系统与医院的HIS系统连接，读取病例文件和Dicom影像数据，作为系统的输入。
在数据采集模块中，设置有ASPECT评分子模块、急性/非急性智能侧支循环评分子模块、急性/非急性脑灌注定量评估子模块、电子病例信息提取子模块、颅内斑块分析子模块和闭塞分型分类子模块。
在数据采集模块中，前述临床资料被输入数据采集模块后，在数据采集模块中进行预处理。所述预处理分为医学影像数据预处理和病历资料预处理。医学影像预处理包括对医学影像数据的归一化、图像校准、ROI标注分割等；病历资料预处理包括语义信息预统计、结构化处理等。
输入系统的数据经过预处理后，按照数据类型匹配的要求，输入数据特征提取模块。本实施例中，数据匹配对应关系如下所示：
Figure BDA0003356429090000031
得到上述特征信息后，即可根据上述特征，初步判断患者脑动脉闭塞的临床症状类型为急性或非急性。
如图2所示，按照急性/非急性的脑动脉闭塞类型，分别建立智能诊断模型、治疗辅助决策模型和预后预测模型，分别对患者数据分类进行处理。前述建立的模型为人工智能模型，其工作过程可分为训练阶段和推理阶段。在训练阶段中，针对不同的模型采取不同的方式进行训练，并可使用其他数据集对模型进行验证。在推理阶段中，由完成训练的人工智能模型对输入的患者医学影像数据和病历参数进行推理分析，并输出报告和诊疗方案，供临床医生参考。
在本实施例中，所述智能诊断模型、治疗辅助决策模型和预后预测模型使用了U形CNN神经网络模型。在本发明的技术方案中，并不限制所用人工智能网络具体类型。
在本实施例中，还设有报告模板库，所述报告模板库与智能诊断模型连接，为智能诊断模型支持的自动化报告生成系统提供模板。
如图6所示，针对本实施例的急性脑动脉闭塞决策系统部分的智能诊断模型，在训练过程中，使用现有的训练验证方式对智能诊断模型进行训练和验证，得到成熟的模型供推理使用。在推理过程中，向智能诊断模型中输入结构化的电子病历信息，在智能诊断模型所支持的自动化报告生成系统中提取结构化电子病历信息的语义元素并进行统计分析。同时，所述智能诊断模型中还输入了ASPETS评分结果、Tan评分结果、核心梗死和半暗带标注结果。在自动化报告生成系统中，系统对上述输入进行统计、分析，按照系统内置的推理过程，由人工智能模型在报告模板库中选择适合的报告模板，并将结构化电子病历中的患者基本信息和临床诊断信息填写进结构化诊断报告中。同时，智能诊断模型对ASPETS评分结果、Tan评分结果、核心梗死和半暗带标注结果中包含的信息进行提取和融合，并将提取融合后的结果填充进结构化诊断报告中。
针对本实施例的非急性脑动脉闭塞决策系统部分的智能诊断模型，在训练过程中，使用现有的训练验证方式对智能诊断模型进行训练和验证，得到成熟的模型供推理使用。在推理过程中，向智能诊断模型中输入结构化的电子病历信息，在智能诊断模型所支持的自动化报告生成系统中提取结构化电子病历信息的语义元素并进行统计分析。同时，所述智能诊断模型中还输入了ASPECT和ASTIN/SIR侧支评分、良性/恶性半暗带评估、斑块类型/稳定性/形态信息和闭塞分型分类信息。在自动化报告生成系统中，系统对上述输入进行统计、分析，按照系统内置的推理过程，由人工智能模型在报告模板库中选择适合的报告模板，并将结构化电子病历中的患者基本信息和临床诊断信息填写进结构化诊断报告中。同时，智能诊断模型对ASPECT和ASTIN/SIR侧支评分、良性/恶性半暗带评估、斑块类型/稳定性/形态信息和闭塞分型分类信息中包含的信息进行提取和融合，并将提取融合后的结果填充进结构化诊断报告中。
所述结构化诊断报告中，急性脑动脉闭塞决策系统输出的内容包括闭塞部位、侧支循环分级、ASPECT评分、CTP定量评估(核心梗死和半暗带体积，mismatch)等信息；非急性脑动脉闭塞决策系统输出的内容包括闭塞部位、侧支循环分级、CTP定量评估(核心梗死，良性/恶性半暗带评估)、斑块性质、闭塞分型等信息。
如图4所示，针对本实施例的急性脑动脉闭塞决策系统部分的治疗辅助决策模型，在训练过程中，选择使用基于NCCT的ASPECT评分、脑CTP影像特征、CTA侧支循环评分特征和病历临床特征作为特征信息训练集，随机使用向量机(SVM)、随机森林(RF)和人工神经网络(ANN)对训练集数据进行推理，并把推理结果输入分类器后，使用软投票进行处理。上述方法融合了三种人工智能推理方式的优势，提高了推理精度和稳定性，提高了系统的泛化性。
如图5所示，针对本实施例的非急性脑动脉闭塞决策系统部分的治疗辅助决策模型，在训练过程中，选择使用脑灌注特征、CTA侧支循环评分、高分核磁斑块特征、分型分类特征和病历临床特征作为特征信息训练集，随机使用向量机(SVM)、随机森林(RF)和人工神经网络(ANN)对训练集数据进行推理，并把推理结果输入分类器后，使用软投票进行处理。上述方法融合了三种人工智能推理方式的优势，提高了推理精度和稳定性，提高了系统的泛化性。
如图3所示，针对本实施例的急性/非急性脑动脉闭塞决策系统部分的治疗辅助决策模型，采用了与治疗辅助决策系统相同的模型训练方式。并且在训练模型的过程中，增加了使用测试集数据，对模型的集成分类器进行验证的步骤，进一步提高了模型推理精度和泛化性。
在本实施例中，所述急性/非急性脑动脉闭塞决策系统的推理过程中，智能诊断模型根据脑动脉闭塞类型(即，急性/非急性)不同，对系统设定的输入特征信息进行分析，从报告模板库中选择模板填充，生成结构化诊断报告。治疗辅助决策模型根据脑动脉闭塞类型不同，对系统设定的输入特征进行分析，结合预后预测模型输出的mRS评分，通过集成分类器选择出最优的治疗方案供医生参考。
所述急性脑动脉闭塞诊疗方案包括桥接治疗、支架取栓、保守治疗等；所述非急性脑动脉闭塞诊疗方案包括药物治疗、血管内再通、外科手术等。
以上对本发明所提供的一种脑动脉闭塞人工智能辅助决策系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，本说明书内容不应理解为对本发明技术方案的限制。

Claims (6)

1.一种脑动脉闭塞人工智能辅助决策系统，包括：
采集数据的数据采集模块；
与采集模块连接，分析数据并分别提取急性和非急性脑动脉闭塞数据特征的智能数据特征提取模块，所述智能数据特征提取模块的输入数据是基于数据类型匹配的要求进行输入的，以根据所述智能数据特征提取模块输入的数据确定脑动脉闭塞的临床症状类型；
其特征在于，还包括与所述智能数据特征提取模块相连，对异构特征进行融合分析的异构特征融合分析模块,所述异构特征融合分析模块中，包括急性闭塞诊疗决策系统及非急性闭塞诊疗决策系统，所述急性闭塞诊疗决策系统及所述非急性闭塞诊疗决策系统均包括智能诊断模型、预后预测模型和治疗辅助决策模型，所述智能诊断模型读取语义病理参数，结合疾病分类结果，生成结构化诊断报告；
所述预后预测模型读取疾病分类结果，结合语义病理参数，在统计疾病分类结果后，结合语义病理参数，生成mRS评分；
所述治疗辅助决策模型中包含医学影像人工智能网络，使用统计方法输出最优建议治疗方式，所述治疗辅助决策模型中，包括非急性治疗辅助决策子模型和急性治疗辅助决策子模型；
所述急性闭塞诊疗决策系统的智能诊断模型、预后预测模型和治疗辅助决策模型的输入均为ASPECT评分结果、Tan评分结果、核心梗死结果和半暗带结果及结构化病例信息，所述急性闭塞诊疗决策系统中智能诊断模型的输出为闭塞部位、侧支循环分级、ASPECT评分及CTP定量评估，所述急性闭塞诊疗决策系统中预后预测模型的输出为mRS评分，基于所述急性闭塞诊疗决策系统中诊疗辅助决策模型的输出及所述急性闭塞诊疗决策系统中预后预测模型输出的mRS评分，输出急性脑动脉瘤闭塞的诊疗方案；所述非急性闭塞诊疗决策系统的智能诊断模型、预后预测模型和治疗辅助决策模型的输入均为结构化病例信息、ASPECT评分结果和ASITN/SIR侧支评分、良性半暗带和恶性半暗带、斑块类型、稳定性和形态、闭塞分类类型，所述非急性闭塞诊疗决策系统中智能诊断模型的输出为闭塞部位、侧支循环分级、CTP定量评估、斑块性质及闭塞分型，所述非急性闭塞诊疗决策系统中预后预测模型的输出为mRS评分，基于所述非急性闭塞诊疗决策系统中治疗辅助决策模型的输出及所述非急性闭塞诊疗决策系统中预后预测模型输出的mRS评分，输出非急性脑动脉瘤闭塞的诊疗方案；
所述智能数据特征提取模块包括诊疗所需特征输出和常规分类输出，所述诊疗所需特征输出内容为经识别后得出的疾病分类结果和计算所得的病理参数，所述诊疗所需特征输出内容包括：基于CT获取的ASPECT评分结果、基于sCTA获取的Tan评分结果、基于CTP获取的核心梗死和半暗带结果、基于mCTA/dCTA获取的ASPECT评分结果和ASITN/SIR侧支评分、基于CTP获取的良性半暗带和恶性半暗带、基于高分核磁及sCTA获取的斑块类型、稳定性和形态、基于DSA和MRA获取的闭塞分类类型，所述常规分类输出内容为电子病例经识别后获取的结构化临床病历信息特征。
2.根据权利要求1所述的脑动脉闭塞人工智能辅助决策系统，其特征在于，所述非急性治疗辅助决策子模型中预置有医学图像定量分析模块，非急性治疗辅助决策子模型使用所述医学图像定量分析模块输出的特征信息，结合当前病例的语义病理参数和临床特征信息，对人工智能网络进行训练。
3.根据权利要求2所述的脑动脉闭塞人工智能辅助决策系统，其特征在于，所述人工智能网络至少包括两种不同的网络结构，至少两种不同的网络结构通过随机采样器在训练集中随机选取数据作为输入，对人工智能网络进行训练。
4.根据权利要求1所述的脑动脉闭塞人工智能辅助决策系统，其特征在于，所述急性治疗辅助决策子模型中预置有医学图像定量分析模块，急性治疗辅助决策子模型使用所述医学图像定量分析模块输出的特征信息，结合当前病例的临床特征信息，对人工智能网络进行训练。
5.根据权利要求4所述的脑动脉闭塞人工智能辅助决策系统，其特征在于，所述人工智能网络至少包括两种不同的网络结构，至少两种不同的网络结构通过随机采样器在训练集中随机选取数据作为输入，对人工智能网络进行训练。
6.根据权利要求3或5中任意一项所述的脑动脉闭塞人工智能辅助决策系统，其特征在于，不同网络结构的推理结果被输入进统计模块中，由所述统计模块对结果使用投票器进行统计后，输出最优建议治疗方式。
CN202111352687.1A 2021-11-16 2021-11-16 一种脑动脉闭塞人工智能辅助决策系统 Active CN114068013B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111352687.1A CN114068013B (zh) 2021-11-16 2021-11-16 一种脑动脉闭塞人工智能辅助决策系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111352687.1A CN114068013B (zh) 2021-11-16 2021-11-16 一种脑动脉闭塞人工智能辅助决策系统

Publications (2)

Publication Number Publication Date
CN114068013A CN114068013A (zh) 2022-02-18
CN114068013B true CN114068013B (zh) 2022-09-23

Family

ID=80272621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111352687.1A Active CN114068013B (zh) 2021-11-16 2021-11-16 一种脑动脉闭塞人工智能辅助决策系统

Country Status (1)

Country Link
CN (1) CN114068013B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109003679A (zh) * 2018-06-28 2018-12-14 众安信息技术服务有限公司 一种脑血管出血与缺血预测方法及装置
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
CN109830303A (zh) * 2019-02-01 2019-05-31 上海众恒信息产业股份有限公司 基于互联网一体化医疗平台的临床数据挖掘分析与辅助决策方法
CN112530584A (zh) * 2020-12-15 2021-03-19 贵州小宝健康科技有限公司 一种医疗诊断辅助方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110136829A (zh) * 2019-05-16 2019-08-16 腾讯科技（深圳）有限公司 乳腺钼靶图像的辅助诊断方法、装置、系统及介质
CN113288110A (zh) * 2021-04-23 2021-08-24 四川省肿瘤医院 一种基于血小板参数预测肺小结节良恶性的模型及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109003679A (zh) * 2018-06-28 2018-12-14 众安信息技术服务有限公司 一种脑血管出血与缺血预测方法及装置
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
CN109830303A (zh) * 2019-02-01 2019-05-31 上海众恒信息产业股份有限公司 基于互联网一体化医疗平台的临床数据挖掘分析与辅助决策方法
CN112530584A (zh) * 2020-12-15 2021-03-19 贵州小宝健康科技有限公司 一种医疗诊断辅助方法及系统

Also Published As

Publication number Publication date
CN114068013A (zh) 2022-02-18

Similar Documents

Publication Publication Date Title
JP6817488B1 (ja) 人工知能基盤の脳卒中診断装置及び方法
CN111712186B (zh) 用于辅助心血管疾病的诊断的方法和装置
Shin et al. Decision boundary-based anomaly detection model using improved AnoGAN from ECG data
US20230162359A1 (en) Diagnostic assistance method and device
Wang et al. Automatic real-time CNN-based neonatal brain ventricles segmentation
Rehman et al. Notice of Retraction: Infrared Sensing Based Non-Invasive Initial Diagnosis of Chronic Liver Disease Using Ensemble Learning
Xie et al. Vessel lumen segmentation in internal carotid artery ultrasounds with deep convolutional neural networks
CN113988209A (zh) 脑卒中预后预测模型的训练方法及装置
CN115605961A (zh) 利用机器学习从急性缺血性脑卒中患者的多期ct血管造影预测缺血性脑组织转归的系统及方法
CN113066574A (zh) 基于神经网络的动脉瘤破裂预测方法、装置及存储介质
CN112562860A (zh) 分类模型的训练方法及装置、冠心病辅助筛查方法及装置
CN115222674A (zh) 基于多维特征融合的颅内动脉瘤破裂风险的检测装置
US20220351374A1 (en) Method and System for Simultaneous Classification and Regression of Clinical Data
CN117116477A (zh) 基于随机森林和XGBoost的前列腺癌患病风险预测模型的构建方法及系统
Cong et al. Deep learning-based end-to-end automated stenosis classification and localization on catheter coronary angiography
CN116524248B (zh) 医学数据处理装置、方法及分类模型训练装置
CN114068013B (zh) 一种脑动脉闭塞人工智能辅助决策系统
CN118197592A (zh) 一种基于数据扩充的多模态心律失常分类辅助诊断系统
Zhang et al. A weakly supervised-guided soft attention network for classification of intracranial hemorrhage
CN116128828A (zh) 斑块的评估方法、系统、电子设备和介质
CN116269426A (zh) 一种十二导联ecg辅助的心脏疾病多模态融合筛查方法
KR102095731B1 (ko) 딥러닝 기반의 보조 진단 시스템의 mra 영상 학습 방법 및 혈관 병변 보조 진단 방법
Tan et al. Automatic Evaluating of Multi-Phase Cranial CTA Collateral Circulation Based on Feature Fusion Attention Network Model
Ke et al. Exploring smri biomarkers for diagnosis of autism spectrum disorders based on multi class activation mapping models
Markiewicz et al. Computerized system for quantitative assessment of atherosclerotic plaques in the femoral and iliac arteries visualized by multislice computed tomography

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221117

Address after: 119 South Fourth Ring Road West, Fengtai District, Beijing 100070

Patentee after: BEIJING TIANTAN HOSPITAL, CAPITAL MEDICAL University

Address before: 100071 Jialai cotton city 6805, zone 1, Guogongzhuang, Fengtai District, Beijing

Patentee before: Gao Feng

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20220218

Assignee: UNION STRONG (BEIJING) TECHNOLOGY Co.,Ltd.

Assignor: BEIJING TIANTAN HOSPITAL, CAPITAL MEDICAL University

Contract record no.: X2023980042129

Denomination of invention: An Artificial Intelligence Aided Decision System for Cerebral Artery Occlusion

Granted publication date: 20220923

License type: Exclusive License

Record date: 20230918