CN116052883B - 头颈部手术的受区血管数量与手术风险的av值评价方法 - Google Patents

头颈部手术的受区血管数量与手术风险的av值评价方法 Download PDF

Info

Publication number
CN116052883B
CN116052883B CN202310037465.3A CN202310037465A CN116052883B CN 116052883 B CN116052883 B CN 116052883B CN 202310037465 A CN202310037465 A CN 202310037465A CN 116052883 B CN116052883 B CN 116052883B
Authority
CN
China
Prior art keywords
neck
head
blood vessel
detection
value
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
CN202310037465.3A
Other languages
English (en)
Other versions
CN116052883A (zh
Inventor
李梓萌
蔡志刚
张雷
单小峰
李仕骏
康一帆
谢尚
杨一帆
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.)
Peking University School of Stomatology
Original Assignee
Peking University School of Stomatology
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 Peking University School of Stomatology filed Critical Peking University School of Stomatology
Priority to CN202310037465.3A priority Critical patent/CN116052883B/zh
Publication of CN116052883A publication Critical patent/CN116052883A/zh
Application granted granted Critical
Publication of CN116052883B publication Critical patent/CN116052883B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/752—Contour matching
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Radiology & Medical Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Surgery (AREA)
  • Epidemiology (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biophysics (AREA)
  • Quality & Reliability (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Vascular Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提供了头颈部手术的受区血管数量与手术风险的AV值评价方法，包括：对病人的头颈部进行血管检测，确定头颈部的受区血管区域；对所述受区血管区域进行显影检查，得到血管显影检测图像序列；对所述血管显影检测图像序列进行分析处理，统计头颈部受区血管数量；根据头颈部受区血管数量统计结果，计算得到手术风险AV值；根据手术风险AV值，进行手术风险评估，得到手术风险评估结果；本方案通过提出以颈部受区血管数量作为评价显微外科手术风险的量表，可以直观的反应手术难度并给出对应的手术建议；便于不同层次的外科医师以此评分来制定手术方案，规避手术风险。

Description

头颈部手术的受区血管数量与手术风险的AV值评价方法
技术领域
本发明涉及属于临床医学，通常用于口腔颌面及头颈显微外科修复领域，具体涉及头颈部手术的受区血管数量与手术风险的AV值评价方法。
背景技术
头颈部显微外科手术：由肿瘤、创伤、炎症及畸形导致的头颈部软、硬组织缺损通常需要接受自体组织移植进行修复，目前应用显微外科技术进行自体血管化游离皮瓣移植是最常用也是效果最为理想的术式；
受区血管：皮瓣制取后，需由供区转移至头颈部组织缺损处进行动静脉血管吻合，使移植的皮瓣有完整的动静脉血供，头颈部用于吻合皮瓣血管的动静脉即为受区血管。
应用游离血管化皮瓣修复头颈部缺损的效果良好，并且成功率较高，然而手术成功建立在外科医生的经验及患者自身条件等因素的基础之上。对于头颈修复外科的医生，最具挑战的病例通常包括疾病复发再次手术、放化疗失败后的挽救治疗等。许多患者因头颈部放疗和颈部淋巴结清扫术等头颈部肿瘤治疗，出现血管损伤及微血管改变，使颈部血管无法进行血管吻合，出现血管枯竭颈(vessel-depleted neck)。以往的文献中提到，在大型综合医院，接受头颈部游离皮瓣修复的中，有7％-52％不等的患者伴有某些程度的颈部血管衰竭。因此对于颈部曾有治疗史的疾病，外科医师应予以密切关注并在手术前仔细进行评估并制定适当的治疗计划。目前还没有学界公认的头颈部血管情况的评价系统，对于临床具体情况的判断主要通过医师的经验。
由于可用于吻合的血管数量直接影响手术的难度，因此本发明提出根据颈部血管吻合的常用血管数量建立评分标准，帮助外科医生在手术前判断血管吻合的难度及风险大小，并提出临床建议。
颈部用来作为皮瓣供血的血管相对固定，常用受区动脉为颈外动脉分支，主要包括面动脉、甲状腺上动脉、舌动脉及颈外静脉主干，颈内静脉、颈外静脉是主要的受区静脉，本发明将上述血管列为颈部常用吻合血管。其他动、静脉在临床中应用不多，并非常规选择，即便使用手术的难度及其风险均会显著增加，因此本评分未将其列入。
目前已有许多方法可以用来对颈部血管进行显影，包括数字减影血管造影(digital substraction angiography,DSA)、计算机断层血管造影(computedtomographic angiography,CTA)、磁共振血管造影(magnetic resonance angiography,MRA)和彩色多普勒超声检测(color doppler ultrasound,CDU)等，DSA是目前清晰度高且最准确的血管检查方式。这些方法均可以用来测量并对颈部受区血管进行计数。
目前临床中仅通过医师的经验对该类手术进行术前风险评价，学界尚未提出与本发明评分表相似的评价系统，也没有相关发明注册。
现有的方法是通过临床医生的经验进行此类手术的风险评价，医师的经验差异较大，并且无法得到直观的定量结果，不便于技术的应用与推广。
本发明弥补了相关领域的空缺。提出以颈部受区血管数量作为评价显微外科手术风险的量表，可以直观的反应手术难度并给出对应的手术建议。便于不同层次的外科医师以此评分来制定手术方案，规避手术风险。
发明内容
本发明提供一种头颈部手术的受区血管数量与手术风险的AV值评价方法，通过提出以颈部受区血管数量作为评价显微外科手术风险的量表，可以直观的反应手术难度。
一种头颈部手术的受区血管数量与手术风险的AV值评价方法，包括：
S1：对病人的头颈部进行血管检测，确定头颈部的受区血管区域；
S2：对所述受区血管区域进行显影检查，得到血管显影检测图像序列；
S3：对所述血管显影检测图像序列进行分析处理，统计头颈部受区血管数量；
S4：根据头颈部受区血管数量统计结果，计算得到手术风险AV值；
S5：根据手术风险AV值，进行手术风险评估，得到手术风险评估结果。
优选的，S1中，对病人的头颈部进行血管检测，确定头颈部的受区血管，包括：
根据人体血管分布规则和对病人的直观血管检查，在病人的头颈部确定受区血管区域。
优选的，S2：对所述受区血管区域进行显影检查，得到血管显影检测图像中，包括：
根据所述受区血管区域确定仪器的检测区域；
按照预设方法对所述检测区域进行显影检查，得到血管显影检测图像序列。
优选的，S3中，对所述血管显影检测图像序列进行分析处理，统计头颈部受区血管数量，包括：
将所述血管显影检测图像序列中的图像依次输入预先训练好的血管检测模型中得到每个图像的血管突出显示度，选取血管突出显示度最大对应的血管显影图像作为目标显影图像；
从所述目标显影图像按照标准血管特征进行第一划分，得到感兴趣区域，并根据感兴趣区域中的实际血管特征，对感兴趣区域进行第一标记和第二标记，所述第一标记为动脉血管标记，所述第二标记为静脉血管标记；
根据第一标记和第二标记，按照预设轮廓提取方式对所述感兴趣区域进行轮廓提取，得到动脉轮廓特征和静脉轮廓特征；
对所述动脉轮廓特征和静脉轮廓特征进行分析，得到检测关键点，并基于所述检测关键点，确定头颈部受区血管数量。
优选的，对所述动脉轮廓特征和静脉轮廓特征进行分析，得到检测关键点，包括：
将所述动脉轮廓特征与标准动脉轮廓特征进行差异比较，将得到的差异点作为第一检测点，将所述静脉轮廓特征与标准静脉轮廓特征进行差异比较，将得到的差异点作为第一检测点；
从医学数据库中获取做过头颈部手术的患者的血管参数信息，并根据手术成功与否和术后恢复情况对所述患者进行等级划分，基于等级划分结果，对所述血管参数信息进行划分，得到多个等级的血管参数，对每个等级下的血管参数进行分析，得到等级血管特征；
从感兴趣区域得到所述第一检测点的血管参数特征，与所述等级血管特征进行匹配，确定所述血管参数特征的等级，将等级小于第一预设等级的血管参数特征对应的第一检测点作为检测关键点。
优选的，基于所述检测关键点，确定头颈部受区血管数量，包括：
判断所述检测关键点的等级是否小于第二预设等级；若是，将所述检测关键点作为病变点；否则，获取所述检测关键点在整个血管的面积特征；
判断所述面积特征是否大于预设面积；若是，将所述检测关键点作为病变点；否则，获取所述检测关键点在整个血管的位置特征；
判断所述位置特征是否在预设位置区域范围内；若是，将所述检测关键点作为病变点；否则，将所述检测关键点作为非病变点；
将不存在病变点的血管作为头颈部受区血管，并统计得到头颈部受区血管数量。
优选的，S4中，根据头颈部受区血管数量统计结果，计算得到手术风险AV值，包括：
根据头颈部受区血管数量统计结果，获取头颈部受区血管的血管名称，并基于血管名称的针对性检测参数，对每个头颈部受区血管进行参数检测，得到目标检测参数；
根据病人的基本身体信息和历史病例信息，结合所述目标检测参数，判断头颈部受区血管是否合格；
统计得到头颈部受区血管合格的动脉受区血管和静脉受区血管，计动脉受区血管数量为A，静脉受区血管数量为V，且在动脉受区血管数量和静脉受区血管数量超过3时记为3，将动脉受区血管数量A和静脉受区血管数量V相乘，得到手术风险AV值。
优选的，根据病人的基本身体信息和历史病例信息，结合所述目标检测参数，判断头颈部受区血管是否合格，包括：
获取所述病人的基本身体信息和历史病例信息，基于所述基本身体信息对病人进行第一状态分析，得到第一状态值，基于所述历史病例信息对病人进行第二状态分析，得到第二状态值，从所述历史病例信息中提取与头颈部手术存在关联的重点病例信息，基于所述重点病例信息对病人进行第三状态分析，得到第三状态值；
基于所述第一状态值、第二状态值和第三状态值确定对血管名称的综合影响值，基于所述综合影响值，确定所述血管名称对应的检测参数合理范围；
判断所述目标检测参数是否在检测参数合理范围内；
若是，确定对应的头颈部受区血管合格；
否则，确定对应的头颈部受区血管不合格。
优选的，S5中，根据手术风险AV值，进行手术风险评估，得到手术风险评估结果，包括：
根据病人的需要进行手术的组织器官和头颈部受区血管，建立三维模型，基于所述三维模型确定头颈部病变程度，并基于所述三维模型对头颈部手术进行模拟，确定模拟移植过程；对模拟移植过程进行分析，确定移植难度；
对病人进行身体检查，确定病人的身体状况指标的取值；
基于身体状况指标的取值，确定病人手术的基础风险值；
基于所述头颈部病变程度、移植难度、基础风险值和手术风险AV值，确定病人的手术风险评估值；
根据所述手术风险评估值，得到手术风险评估结果。
优选的，根据所述手术风险评估值，得到手术风险评估结果，包括：
当所述手术风险值为0时，手术风险评估结果为风险极高，不建议进行；
当所述手术风险值在预设范围时，手术风险评估结果为高风险，谨慎进行；
当所述手术风险值大于所述预设范围时，手术风险评估结果为风险较低，可行。
本发明取得了以下有益效果：
1.目前评价头颈部显微外科手术的风险主要通过医生的主观评价，且没有明确的评价方向，本发明创新性的提出了根据颈部常用受区血管数量进行显微外科手术风险的评价，提供了客观且定量的方法。
2.记录受区动脉数量A与受区静脉数量V，通过乘法得出AV可以精确且全面的反映颈部受区血管的整体状态，且评分方法简便易行。
3.不限制颈部血管的显影方法，照顾各个级别的医院的不同检查能力，可以因地制宜的对评价方法进行使用。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种头颈部手术的受区血管数量与手术风险的AV值评价方法的流程图；
图2为本发明实施例中确定头颈部受区血管数量的流程图；
图3为本发明实施例中确定手术风险AV值的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1
本发明实施例提供一种头颈部手术的受区血管数量与手术风险的AV值评价方法，如图1所示，包括：
S1：对病人的头颈部进行血管检测，确定头颈部的受区血管区域；
S2：对所述受区血管区域进行显影检查，得到血管显影检测图像序列；
S3：对所述血管显影检测图像序列进行分析处理，统计头颈部受区血管数量；
S4：根据头颈部受区血管数量统计结果，计算得到手术风险AV值；
S5：根据手术风险AV值，进行手术风险评估，得到手术风险评估结果。
在该实施例中，所述受区血管区域在病人的头颈部确定。
在该实施例中，受区血管例如包括动、静脉(面动脉、甲状腺上动脉、舌动脉、颈外动脉主干；颈外静脉、颈内静脉主干及属支)。
在该实施例中，所述手术风险AV值具体为动脉受区血管数量A和静脉受区血管数量V的乘积，且动脉受区血管数量或静脉受区血管数量超过3时均计为3。
在该实施例中，所述手术风险AV值越大，对应的手术风险越小。
上述设计方案的有益效果是：本方案通过提出以颈部受区血管数量作为评价显微外科手术风险的量表，可以直观的反应手术难度并给出对应的手术建议；便于不同层次的外科医师以此评分来制定手术方案，规避手术风险。
实施例2
基于实施例1的基础上，本发明实施例提供一种头颈部手术的受区血管数量与手术风险的AV值评价方法，S1中，对病人的头颈部进行血管检测，确定头颈部的受区血管，包括：
根据人体血管分布规则和对病人的直观血管检查，在病人的头颈部确定受区血管区域。
上述设计方案的有益效果是：首先在病人的头颈部确定受区血管区域，为进步仪器检测血管显影提供位置基础。
实施例3
基于实施例1的基础上，本发明实施例提供一种头颈部手术的受区血管数量与手术风险的AV值评价方法，S2：对所述受区血管区域进行显影检查，得到血管显影检测图像中，包括：
根据所述受区血管区域确定仪器的检测区域；
按照预设方法对所述检测区域进行显影检查，得到血管显影检测图像序列。
在该实施例中，所述预设方法例如包括：(1)颈部数字减影血管造影、(2)颈部计算机断层血管造影、(3)磁共振血管造影、(4)彩色多普勒超声检测。
上述设计方案的有益效果是：不限制颈部血管的显影方法，照顾各个级别的医院的不同检查能力，可以因地制宜的对评价方法进行使用。
实施例4
基于实施例1的基础上，本发明实施例提供一种头颈部手术的受区血管数量与手术风险的AV值评价方法，如图2所示，S3中，对所述血管显影检测图像序列进行分析处理，统计头颈部受区血管数量，包括：
S31：将所述血管显影检测图像序列中的图像依次输入预先训练好的血管检测模型中得到每个图像的血管突出显示度，选取血管突出显示度最大对应的血管显影图像作为目标显影图像；
S32：从所述目标显影图像按照标准血管特征进行第一划分，得到感兴趣区域，并根据感兴趣区域中的实际血管特征，对感兴趣区域进行第一标记和第二标记，所述第一标记为动脉血管标记，所述第二标记为静脉血管标记；
S33：根据第一标记和第二标记，按照预设轮廓提取方式对所述感兴趣区域进行轮廓提取，得到动脉轮廓特征和静脉轮廓特征；
S34：对所述动脉轮廓特征和静脉轮廓特征进行分析，得到检测关键点，并基于所述检测关键点，确定头颈部受区血管数量。
在该实施例中，所述第一标记的区域对应动脉血管的轮廓提取方式，第二标记的区域对应静脉血管的轮廓提取方式。
在该实施例中，所述感兴趣区域为包含受区血管的具体区域。
在该实施例中，所述检测关键点为不同与常规轮廓特征的部位。
上述设计方案的有益效果是：通过从血管显影检测图像序列选取出显示度最大的目标显影图像，保证了选取的目标显影图像的质量，为根据目标显影图像进行分析提供准确的图像基础，其次，通过根据血管特征和轮廓特征来对目标显影图像中的血管进行检测分析，得到关键检测点，从而确定头颈部受区血管数量，保证头颈部受区血管数量的准确性。
实施例5
基于实施例4的基础上，本发明实施例提供一种头颈部手术的受区血管数量与手术风险的AV值评价方法，对所述动脉轮廓特征和静脉轮廓特征进行分析，得到检测关键点，包括：
将所述动脉轮廓特征与标准动脉轮廓特征进行差异比较，将得到的差异点作为第一检测点，将所述静脉轮廓特征与标准静脉轮廓特征进行差异比较，将得到的差异点作为第一检测点；
从医学数据库中获取做过头颈部手术的患者的血管参数信息，并根据手术成功与否和术后恢复情况对所述患者进行等级划分，基于等级划分结果，对所述血管参数信息进行划分，得到多个等级的血管参数，对每个等级下的血管参数进行分析，得到等级血管特征；
从感兴趣区域得到所述第一检测点的血管参数特征，与所述等级血管特征进行匹配，确定所述血管参数特征的等级，将等级小于第一预设等级的血管参数特征对应的第一检测点作为检测关键点。
在该实施例中，患者情况越好，对应的患者的血管特征等级越高。
在该实施例中，第一预设等级大于第二预设等级。
上述设计方案的有益效果是：通过轮廓特征的比较确定出存在差异的第一检测点后，进一步进行血管特征分析，选取出可能存在隐患的第一检测点作为检测关键点，从轮廓和血管特征两方面进行综合筛选，筛选出可能存在隐患的第一检测点作为检测关键点，保证确定的检查关键点的准确性。
实施例6
基于实施例5的基础上，本发明实施例提供一种头颈部手术的受区血管数量与手术风险的AV值评价方法，基于所述检测关键点，确定头颈部受区血管数量，包括：
判断所述检测关键点的等级是否小于第二预设等级；若是，将所述检测关键点作为病变点；否则，获取所述检测关键点在整个血管的面积特征；
判断所述面积特征是否大于预设面积；若是，将所述检测关键点作为病变点；否则，获取所述检测关键点在整个血管的位置特征；
判断所述位置特征是否在预设位置区域范围内；若是，将所述检测关键点作为病变点；否则，将所述检测关键点作为非病变点；
将不存在病变点的血管作为头颈部受区血管，并统计得到头颈部受区血管数量。
上述设计方案的有益效果是：通过从面积和位置两个方面对受区血管进行进一步检测，实现了从多个方面对受区血管的检测，使得到对检测关键点的分析更加准确，从而确定出合格的受区血管进行统计，保证了合格的受区血管数量统计的准确性，为进一步风向评估提供基础。
实施例7
基于实施例1的基础上，本发明实施例提供一种头颈部手术的受区血管数量与手术风险的AV值评价方法，如图3所示，S4中，根据头颈部受区血管数量统计结果，计算得到手术风险AV值，包括：
S41：根据头颈部受区血管数量统计结果，获取头颈部受区血管的血管名称，并基于血管名称的针对性检测参数，对每个头颈部受区血管进行参数检测，得到目标检测参数；
S42：根据病人的基本身体信息和历史病例信息，结合所述目标检测参数，判断头颈部受区血管是否合格；
S43：统计得到头颈部受区血管合格的动脉受区血管和静脉受区血管，计动脉受区血管数量为A，静脉受区血管数量为V，且在动脉受区血管数量和静脉受区血管数量超过3时记为3，将动脉受区血管数量A和静脉受区血管数量V相乘，得到手术风险AV值。
在该实施例中，根据病人的自身信息判断头颈部受区血管是否合格，考虑自身的因素，使最终确定的受区血管的数量更见准确，为进一步风向评估提供基础。
实施例8
基于实施例7的基础上，本发明实施例提供一种头颈部手术的受区血管数量与手术风险的AV值评价方法，根据病人的基本身体信息和历史病例信息，结合所述目标检测参数，判断头颈部受区血管是否合格，包括：
获取所述病人的基本身体信息和历史病例信息，基于所述基本身体信息对病人进行第一状态分析，得到第一状态值，基于所述历史病例信息对病人进行第二状态分析，得到第二状态值，从所述历史病例信息中提取与头颈部手术存在关联的重点病例信息，基于所述重点病例信息对病人进行第三状态分析，得到第三状态值；
基于所述第一状态值、第二状态值和第三状态值确定对血管名称的综合影响值，基于所述综合影响值，确定所述血管名称对应的检测参数合理范围；
判断所述目标检测参数是否在检测参数合理范围内；
若是，确定对应的头颈部受区血管合格；
否则，确定对应的头颈部受区血管不合格。
在该实施例中，基本身体状况越好，对应的第一状态值越高，历史病例的状况越好，对应的第二状态值越高。
在该实施例中，所述第一状态值、第二状态值和第三状态值的取值越小，对应的综合影响值越大，测参数合理范围的要求越高。
上述设计方案的有益效果是：通过根据病人的身体状况、历史病例和头颈部手术存在关联的重点病例进行分析，来设计检测参数合理范围，保证了得到的头颈部受区血管的检测参数合格，来作为最终的受区血管，规避手术风险。
实施例9
基于实施例1的基础上，本发明实施例提供一种头颈部手术的受区血管数量与手术风险的AV值评价方法，S5中，根据手术风险AV值，进行手术风险评估，得到手术风险评估结果，包括：
根据病人的需要进行手术的组织器官和头颈部受区血管，建立三维模型，基于所述三维模型确定头颈部病变程度，并基于所述三维模型对头颈部手术进行模拟，确定模拟移植过程；对模拟移植过程进行分析，确定移植难度；
对病人进行身体检查，确定病人的身体状况指标的取值；
基于身体状况指标的取值，确定病人手术的基础风险值；
所述基础风险值K的计算公式如下：
其中，n表示身体状况指标的个数，δi表示第i个身体状况指标的取值，取值为(0，1)，δi0为第i个身体状况指标的合格取值，δmin表示身体状况指标的最小取值，δmin0表示身体状况指标的最小合格取值；
基于所述头颈部病变程度、移植难度、基础风险值和手术风险AV值，确定病人的手术风险评估值；
所述手术风险评估值P的计算公式如下：
其中，PAV表示手术风险AV值，K表示所述基础风险值，τ表示所述移植难度，取值为(0.4，0.6)，S表示所述头颈部病变程度，取值为(0.3，0.8)；
根据所述手术风险评估值，得到手术风险评估结果。
上述设计方案的有益效果是：在确定受区血管数量确定的手术风险AV值后，再结合头颈部病变程度、移植难度、基础风险值这些参数来确定最终的手术风险评估值，使得手术风险评估值更加全面考虑各方面的因素，提供合理的手术风险评估结果，为病人带来合理且准确的建议。
实施例10
在实施例9的基础上，本发明实施例提供一种头颈部手术的受区血管数量与手术风险的AV值评价方法，根据所述手术风险评估值，得到手术风险评估结果，包括：
当所述手术风险值为0时，手术风险评估结果为风险极高，不建议进行；
当所述手术风险值在预设范围时，手术风险评估结果为高风险，谨慎进行；
当所述手术风险值大于所述预设范围时，手术风险评估结果为风险较低，可行。
上述设计方案的有益效果是：提供客观且定量的方法对微外科手术风险进行评价，避免人为的主观判断，规避手术风险。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种头颈部手术的受区血管数量与手术风险的AV值评价方法，其特征在于，包括：
S1：对病人的头颈部进行血管检测，确定头颈部的受区血管区域；
S2：对所述受区血管区域进行显影检查，得到血管显影检测图像序列；
S3：对所述血管显影检测图像序列进行分析处理，统计头颈部受区血管数量；
S4：根据头颈部受区血管数量统计结果，计算得到手术风险AV值；
S5：根据手术风险AV值，进行手术风险评估，得到手术风险评估结果；
S3中，对所述血管显影检测图像序列进行分析处理，统计头颈部受区血管数量，包括：
将所述血管显影检测图像序列中的图像依次输入预先训练好的血管检测模型中得到每个图像的血管突出显示度，选取血管突出显示度最大对应的血管显影图像作为目标显影图像；
从所述目标显影图像按照标准血管特征进行第一划分，得到感兴趣区域，并根据感兴趣区域中的实际血管特征，对感兴趣区域进行第一标记和第二标记，所述第一标记为动脉血管标记，所述第二标记为静脉血管标记；
根据第一标记和第二标记，按照预设轮廓提取方式对所述感兴趣区域进行轮廓提取，得到动脉轮廓特征和静脉轮廓特征；
对所述动脉轮廓特征和静脉轮廓特征进行分析，得到检测关键点，并基于所述检测关键点，确定头颈部受区血管数量；
对所述动脉轮廓特征和静脉轮廓特征进行分析，得到检测关键点，包括：
将所述动脉轮廓特征与标准动脉轮廓特征进行差异比较，将得到的差异点作为第一检测点，将所述静脉轮廓特征与标准静脉轮廓特征进行差异比较，将得到的差异点作为第二检测点；
从医学数据库中获取做过头颈部手术的患者的血管参数信息，并根据手术成功与否和术后恢复情况对所述患者进行等级划分，基于等级划分结果，对所述血管参数信息进行划分，得到多个等级的血管参数，对每个等级下的血管参数进行分析，得到等级血管特征；
从感兴趣区域得到所述第一检测点和第二检测点的血管参数特征，与所述等级血管特征进行匹配，确定所述血管参数特征的等级，将等级小于第一预设等级的血管参数特征对应的第一检测点和第二检测点作为检测关键点；
基于所述检测关键点，确定头颈部受区血管数量，包括：
判断所述检测关键点的等级是否小于第二预设等级；若是，将所述检测关键点作为病变点；否则，获取所述检测关键点在整个血管的面积特征；
判断所述面积特征是否大于预设面积；若是，将所述检测关键点作为病变点；否则，获取所述检测关键点在整个血管的位置特征；
判断所述位置特征是否在预设位置区域范围内；若是，将所述检测关键点作为病变点；否则，将所述检测关键点作为非病变点；
将不存在病变点的血管作为头颈部受区血管，并统计得到头颈部受区血管数量；
S4中，根据头颈部受区血管数量统计结果，计算得到手术风险AV值，包括：
根据头颈部受区血管数量统计结果，获取头颈部受区血管的血管名称，并基于血管名称的针对性检测参数，对每个头颈部受区血管进行参数检测，得到目标检测参数；
根据病人的基本身体信息和历史病例信息，结合所述目标检测参数，判断头颈部受区血管是否合格；
统计得到头颈部受区血管合格的动脉受区血管和静脉受区血管，计动脉受区血管数量为A，静脉受区血管数量为V，且在动脉受区血管数量和静脉受区血管数量超过3时记为3，将动脉受区血管数量A和静脉受区血管数量V相乘，得到手术风险AV值。
2.根据权利要求1所述的一种头颈部手术的受区血管数量与手术风险的AV值评价方法，其特征在于，S1中，对病人的头颈部进行血管检测，确定头颈部的受区血管，包括：
根据人体血管分布规则和对病人的直观血管检查，在病人的头颈部确定受区血管区域。
3.根据权利要求1所述的一种头颈部手术的受区血管数量与手术风险的AV值评价方法，其特征在于，S2：对所述受区血管区域进行显影检查，得到血管显影检测图像中，包括：
根据所述受区血管区域确定仪器的检测区域；
按照预设方法对所述检测区域进行显影检查，得到血管显影检测图像序列。
4.根据权利要求1所述的一种头颈部手术的受区血管数量与手术风险的AV值评价方法，其特征在于，根据病人的基本身体信息和历史病例信息，结合所述目标检测参数，判断头颈部受区血管是否合格，包括：
获取所述病人的基本身体信息和历史病例信息，基于所述基本身体信息对病人进行第一状态分析，得到第一状态值，基于所述历史病例信息对病人进行第二状态分析，得到第二状态值，从所述历史病例信息中提取与头颈部手术存在关联的重点病例信息，基于所述重点病例信息对病人进行第三状态分析，得到第三状态值；
基于所述第一状态值、第二状态值和第三状态值确定对血管名称的综合影响值，基于所述综合影响值，确定所述血管名称对应的检测参数合理范围；
判断所述目标检测参数是否在检测参数合理范围内；
若是，确定对应的头颈部受区血管合格；
否则，确定对应的头颈部受区血管不合格。
5.根据权利要求1所述的一种头颈部手术的受区血管数量与手术风险的AV值评价方法，其特征在于，S5中，根据手术风险AV值，进行手术风险评估，得到手术风险评估结果，包括：
根据病人的需要进行手术的组织器官和头颈部受区血管，建立三维模型，基于所述三维模型确定头颈部病变程度，并基于所述三维模型对头颈部手术进行模拟，确定模拟移植过程；对模拟移植过程进行分析，确定移植难度；
对病人进行身体检查，确定病人的身体状况指标的取值；
基于身体状况指标的取值，确定病人手术的基础风险值；
基于所述头颈部病变程度、移植难度、基础风险值和手术风险AV值，确定病人的手术风险评估值；
根据所述手术风险评估值，得到手术风险评估结果。
6.根据权利要求5所述的一种头颈部手术的受区血管数量与手术风险的AV值评价方法，其特征在于，根据所述手术风险评估值，得到手术风险评估结果，包括：
当所述手术风险值为0时，手术风险评估结果为风险极高，不建议进行；
当所述手术风险值在预设范围时，手术风险评估结果为高风险，谨慎进行；
当所述手术风险值大于所述预设范围时，手术风险评估结果为风险较低，可行。
CN202310037465.3A 2023-01-09 2023-01-09 头颈部手术的受区血管数量与手术风险的av值评价方法 Active CN116052883B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310037465.3A CN116052883B (zh) 2023-01-09 2023-01-09 头颈部手术的受区血管数量与手术风险的av值评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310037465.3A CN116052883B (zh) 2023-01-09 2023-01-09 头颈部手术的受区血管数量与手术风险的av值评价方法

Publications (2)

Publication Number Publication Date
CN116052883A CN116052883A (zh) 2023-05-02
CN116052883B true CN116052883B (zh) 2023-08-22

Family

ID=86127249

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310037465.3A Active CN116052883B (zh) 2023-01-09 2023-01-09 头颈部手术的受区血管数量与手术风险的av值评价方法

Country Status (1)

Country Link
CN (1) CN116052883B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2193356C2 (ru) * 1999-02-26 2002-11-27 Нижегородская государственная медицинская академия Способ определения тактики хирургического лечения больных с сочетанными поражениями коронарных и сонных артерий
UA61733A (en) * 2003-04-09 2003-11-17 Mykola Vasyliovych Bondarenko Method for preventing surgical risk
RU2560666C1 (ru) * 2014-06-04 2015-08-20 Государственное бюджетное образовательное учреждение высшего профессионального образования "Тверской государственный медицинский университет" Министерства здравоохранения Российской Федерации Способ оценки хирургического риска у больных с атеросклеротической окклюзией бедренно-подколенно-берцового сегмента в стадии критической ишемии
CN108210072A (zh) * 2018-02-08 2018-06-29 扈玉华 基于mri和cta的脑组织及血管实体复合模型的制备方法
CN110742689A (zh) * 2019-10-31 2020-02-04 北京理工大学 动脉夹层手术评估方法、装置、电子设备及存储介质
CN111180067A (zh) * 2019-12-05 2020-05-19 济宁市第一人民医院 一种手术前风险评估预警方法和装置
CN113689954A (zh) * 2021-08-24 2021-11-23 平安科技（深圳）有限公司 高血压风险预测方法、装置、设备及介质
CN115565666A (zh) * 2022-09-16 2023-01-03 中国人民解放军北部战区总医院 脑梗死评估方法及装置、电子设备和存储介质
CN115565667A (zh) * 2022-09-27 2023-01-03 首都医科大学附属北京安贞医院 Cto介入治疗成功率的预测方法、装置、设备及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10993628B2 (en) * 2013-10-25 2021-05-04 Philips Image Guided Therapy Corporation Devices, systems, and methods for vessel assessment

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2193356C2 (ru) * 1999-02-26 2002-11-27 Нижегородская государственная медицинская академия Способ определения тактики хирургического лечения больных с сочетанными поражениями коронарных и сонных артерий
UA61733A (en) * 2003-04-09 2003-11-17 Mykola Vasyliovych Bondarenko Method for preventing surgical risk
RU2560666C1 (ru) * 2014-06-04 2015-08-20 Государственное бюджетное образовательное учреждение высшего профессионального образования "Тверской государственный медицинский университет" Министерства здравоохранения Российской Федерации Способ оценки хирургического риска у больных с атеросклеротической окклюзией бедренно-подколенно-берцового сегмента в стадии критической ишемии
CN108210072A (zh) * 2018-02-08 2018-06-29 扈玉华 基于mri和cta的脑组织及血管实体复合模型的制备方法
CN110742689A (zh) * 2019-10-31 2020-02-04 北京理工大学 动脉夹层手术评估方法、装置、电子设备及存储介质
CN111180067A (zh) * 2019-12-05 2020-05-19 济宁市第一人民医院 一种手术前风险评估预警方法和装置
CN113689954A (zh) * 2021-08-24 2021-11-23 平安科技（深圳）有限公司 高血压风险预测方法、装置、设备及介质
CN115565666A (zh) * 2022-09-16 2023-01-03 中国人民解放军北部战区总医院 脑梗死评估方法及装置、电子设备和存储介质
CN115565667A (zh) * 2022-09-27 2023-01-03 首都医科大学附属北京安贞医院 Cto介入治疗成功率的预测方法、装置、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李萌等."术前彩色多普勒超声评估游离皮瓣供受区血管在头颈部修复重建中的初步应用研究".《口腔医学》.2020,第40卷(第5期),第416-420页. *

Also Published As

Publication number Publication date
CN116052883A (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
CN109069014B (zh) 用于估计在冠状动脉中的健康管腔直径和狭窄定量的系统和方法
KR101910233B1 (ko) 맥관구조를 수치 평가하는 시스템들 및 방법들
CN103270513B (zh) 用于患者特异性血流建模的方法和系统
CN114424290B (zh) 用于提供冠状动脉钙负荷的纵向显示的装置和方法
JP2018536476A (ja) 処置からの情報を使用した解剖モデリングのためのシステム及び方法
WO2011123772A2 (en) Method and system for plaque lesion characterization
CN111553887B (zh) 桥血管评价信息获取方法及装置
JP2022540954A (ja) 血管病変の機能的影響
WO2004026140A2 (en) Display of image data information
Kvist et al. Measuring the quality of documented care given by Swedish midwives during birth
CN117831699B (zh) 一种用于心脏影像检查的结构化报告系统
CN117495817B (zh) 一种腔镜下血管异常图像判断方法及装置
US20230082155A1 (en) Integrated system for safe intracranial administration of cells
CN116052883B (zh) 头颈部手术的受区血管数量与手术风险的av值评价方法
Sihlangu et al. Resting Doppler ankle brachial pressure index measurement: a literature review
Wang et al. Time to change? Present and prospects of hemorrhoidal classification
WO2022071203A1 (ja) 情報処理装置、情報処理方法、及びコンピュータプログラム
Ma Accuracy Evaluation of Computer Intelligent Projection Technology in Medical Measurement
CN117159035A (zh) 基于外周动脉粥样硬化积分的冠心病预测系统及设备
WO2024161390A1 (en) Systems and methods for monitoring the functionality of a blood vessel
CN116936084A (zh) 一种医学检查检验项目指标库的构建及映射方法
Cosman et al. Reliability of vascular access site bruise measurement.
CN118412098A (zh) 用于颅内大血管闭塞性卒中血栓的医学影像处理方法
CN118247292A (zh) 针对主动脉夹层的三维模型显示方法、装置、设备和介质
KR20210154447A (ko) Ct 영상에서의 종양 추적 방법 및 이를 이용한 진단 시스템

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