CN117789992A - 脑出血预后预测方法、装置、设备、介质及程序产品 - Google Patents

Abstract

本发明涉及脑出血智能诊断技术领域，具体是一种脑出血预后预测方法、装置、设备、介质及程序产品，所述方法包括：获取目标患者脑部的血肿标记图像；基于所述血肿标记图像确定位于多个不同脑区的血肿体积；基于各个所述血肿体积生成所述目标患者脑部的特征向量；将所述特征向量输入至预先建立的脑出血预后预测模型，得到所述目标患者脑部的脑出血临床预后结果。本发明的脑出血预后预测方法，通过利用预先建立的脑出血预后预测模型，在血肿体积的基础上引入血肿的位置信息来预测临床结果，能够提高脑出血临床预后结果的预测准确性和预测效率，并且可对涉及多个脑区的血肿或多发性出血进行预测。

Description

脑出血预后预测方法、装置、设备、介质及程序产品

技术领域

本发明涉及脑出血智能诊断技术领域，特别涉及一种脑出血预后预测方法、装置、设备、介质及程序产品。

背景技术

脑出血(Intracerebral Hemorrhage,ICH)指非外伤性的脑实质出血，是一种致病率和致死率都很高的脑卒中类型。针对脑出血的治疗主要包括快速减压、止血用药、血肿手术清除等，但这些治疗方法的有效性并未得到充分的证实，一种可能的原因是受试患者的差异性干扰了结果。

脑出血引起的血肿体积是影响预后的重要因素，与此同时，脑出血的位置也与预后密切相关。例如相比于同样体积的脑叶血肿，丘脑血肿的预后更差。因此，将血肿位置不同的患者不加区分地纳入脑出血研究会引入干扰因素，对结果产生不良影响。例如在对血肿抽吸术有效性的研究中，部分患者由于其血肿位置位于脑叶，其预后本身就比较良好，抽吸术不仅无法使这类患者获益，还可能由于手术带来感染风险，因而需要筛选出预后较差的患者。而针对减少血肿扩大的研究则需要筛选出预后较好的患者。

目前对于不同脑区位置的血肿，通常使用不同的体积阈值来预测临床预后结果。但该方案需要人为确定血肿所在脑区位置，并且无法对涉及多个脑区的血肿或多发性出血进行预测。

发明内容

针对现有技术的上述问题，本发明的目的在于提供一种脑出血预后预测方法、装置、设备、介质及程序产品，能够提高脑出血临床预后结果的预测准确性和预测效率。

为了解决上述问题，本发明提供一种脑出血预后预测方法，包括：

获取目标患者脑部的血肿标记图像；

基于所述血肿标记图像确定位于多个不同脑区的血肿体积；

基于各个所述血肿体积生成所述目标患者脑部的特征向量；

将所述特征向量输入至预先建立的脑出血预后预测模型，得到所述目标患者脑部的脑出血临床预后结果。

进一步地，所述获取目标患者脑部的血肿标记图像，包括：

获取目标患者脑部的CT图像；

基于所述CT图像进行血肿分割，得到所述血肿标记图像。

进一步地，所述基于所述血肿标记图像确定位于多个不同脑区的血肿体积，包括：

将所述血肿标记图像配准至标准脑空间，得到标准脑空间的血肿标记图像；

根据所述标准脑空间的血肿标记图像分别确定位于所述多个不同脑区中的各个脑区的血肿区域；

分别计算位于各个脑区的血肿区域的体积，得到对应的血肿体积。

进一步地，所述根据所述标准脑空间的血肿标记图像分别确定位于所述多个不同脑区中的各个脑区的血肿区域，包括：

获取标准脑的脑区分割结果；

根据所述脑区分割结果以及所述标准脑空间的血肿标记图像，确定位于所述多个不同脑区中的各个脑区的血肿区域。

进一步地，所述基于各个所述血肿体积生成所述目标患者脑部的特征向量，包括：

获取目标患者的临床信息，所述临床信息包括所述目标患者的基本信息和诊疗信息；

根据所述临床信息以及各个所述血肿体积生成所述目标患者脑部的特征向量。

进一步地，所述方法还包括预先建立所述脑出血预后预测模型，所述脑出血预后预测模型的建立过程包括：

获取训练样本数据集，所述训练样本数据集中包括多个脑出血患者脑部的血肿标记图像样本，以及对应的脑出血临床结果；

分别基于各个脑出血患者脑部的所述血肿标记图像样本确定位于多个不同脑区中的样本血肿体积；

基于所述样本血肿体积生成对应脑出血患者脑部的特征向量样本；

以各个所述脑出血患者脑部的特征向量样本为自变量，以对应的脑出血临床结果为因变量，建立所述脑出血预后预测模型。

本发明另一方面提供一种脑出血预后预测装置，包括：

图像获取模块，用于获取目标患者脑部的血肿标记图像；

体积确定模块，用于基于所述血肿标记图像确定位于多个不同脑区的血肿体积；

特征向量生成模块，用于基于各个所述血肿体积生成所述目标患者脑部的特征向量；

预测模块，用于将所述特征向量输入至预先建立的脑出血预后预测模型，得到所述目标患者脑部的脑出血临床预后结果。

本发明另一方面提供一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述的脑出血预后预测方法。

本发明另一方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述的脑出血预后预测方法。

本发明另一方面提供一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如上述的脑出血预后预测方法。

由于上述技术方案，本发明具有以下有益效果：

根据本发明实施例的脑出血预后预测方法，通过根据血肿标记图像确定血肿位于多个不同脑区的体积，并利用预先建立的脑出血预后预测模型，基于位于各个脑区的血肿体积来预测目标患者脑部的脑出血临床预后结果，该方法在血肿体积的基础上引入血肿的位置信息来预测临床结果，提高了脑出血临床预后结果的预测准确性，从而根据其结果可筛选出预后更具一致性的脑出血患者，有利于在脑出血治疗的研究中排除干扰因素，明确治疗手段的有效性。并且，该方法还可对涉及多个脑区的血肿或多发性出血进行预测，无需人工操作，提高了脑出血临床预后结果的预测效率，节省了人工成本和时间成本。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1是本发明一个实施例提供的实施环境示意图；

图2是本发明一个实施例提供的脑出血预后预测方法的流程图；；

图3是本发明一个实施例提供的根据脑区分割结果以及血肿标记图像确定位于各个脑区的血肿区域的示意图；

图4是本发明一个实施例提供的脑出血预后预测模型的建立方法的流程图；

图5是本发明一个实施例提供的脑出血预后预测装置的结构示意图；

图6是本发明一个实施例提供的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

参考说明书附图1，其示出了本发明一个实施例提供的实施环境示意图。如图1所示，该实施环境可以包括至少一个医学扫描设备110和计算机设备120，所述计算机设备120和各个医学扫描设备110可以通过有线或无线通信方式进行直接或间接地连接，本发明实施例对此不做限制。

其中，所述医学扫描设备110可以但不限于是电子计算机断层扫描(ComputedTomography，CT)设备等，所述计算机设备120可以但不限于是各种服务器、个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，所述服务器可以是独立的服务器或者是多个服务器组成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)以及大数据和人工智能平台等基础云计算服务的云服务器。

本发明实施例中，所述医学扫描设备110可以基于CT成像技术对目标患者脑部的影像进行采集，得到对应的CT图像。所述计算机设备120可以获取由医学扫描设备110扫描得到的所述CT图像，并通过本发明实施例提供的脑出血预后预测方法，确定所述目标患者脑部的脑出血临床预后结果，以供医生进行查阅，以及指导筛选出预后更具一致性的脑出血患者，有利于在脑出血治疗的研究中排除干扰因素，明确治疗手段的有效性。

需要说明的是，图1仅仅是一种示例。本领域技术人员可以理解，虽然图1中只示出了1个医学扫描设备110，但并不构成对本发明实施例的限定，可以包括比图示更多或更少的医学扫描设备110。

参考说明书附图2，其示出了本发明一个实施例提供的脑出血预后预测方法的流程，该方法可以应用于图1中的计算机设备120中，具体的如图2所示，所述方法可以包括以下步骤：

S210：获取目标患者脑部的血肿标记图像。

本发明实施例中，可以利用CT成像技术对所述目标患者脑部的影像进行采集，得到对应的CT图像，进而利用CT图像确定对应的血肿标记图像。其中，所述目标患者可以为脑出血患者。

具体地，所述获取目标患者脑部的血肿标记图像，可以包括：获取目标患者脑部的CT图像；基于所述CT图像进行血肿分割，得到所述血肿标记图像。其中，所述CT图像可以包括但不限于平扫CT(Non-Contrast CT，NCCT)图像和CT血管造影(CT Angiography，CTA)图像等。

在一个可能的实施例中，也可以利用磁共振(Magnetic Resonance，MR)成像技术对所述目标患者脑部的影像进行采集，得到对应的MR图像，进而基于所述MR图像进行血肿分割，得到所述血肿标记图像。

需要说明的是，可以采用现有的方法基于所述CT图像或者所述MR图像来进行血肿分割，例如通过人工勾画或自动分割的方式对所述CT图像或者所述MR图像进行血肿分割，得到血肿分割结果，即所述血肿标记图像，本发明实施例在此不再赘述。

S220：基于所述血肿标记图像确定位于多个不同脑区的血肿体积。

本发明实施例中，由于脑出血引起的血肿体积是影响预后的重要因素，与此同时，脑出血的位置也与预后密切相关。相比于同样体积的脑叶血肿，丘脑血肿的预后更差。因此将血肿位置不同的患者不加区分地纳入研究会引入干扰因素，对结果产生不良影响。因此，本发明实施例中，为了提高脑出血预后预测模型的准确率，除血肿体积外，还引入血肿位置信息作为模型参数。

本发明实施例中，可以基于所述血肿标记图像确定血肿位于多个不同脑区的体积。其中，所述多个不同脑区的数量和类型可以根据实际需要进行预先确定，例如所述多个不同脑区可以为额叶、顶叶、颞叶、枕叶、壳核、外囊、内囊、苍白球、丘脑、小脑、脑干这些脑区中的部分或者全部，本发明实施例不对脑区的数量和类型进行具体限定。

在一个可能的实施例中，所述基于所述血肿标记图像确定位于多个不同脑区的血肿体积，可以包括：将所述血肿标记图像配准至标准脑空间，得到标准脑空间的血肿标记图像；根据所述标准脑空间的血肿标记图像分别确定位于所述多个不同脑区中的各个脑区的血肿区域；分别计算位于各个脑区的血肿区域的体积，得到对应的血肿体积。

具体地，可以采用现有的配准方法将所述血肿标记图像配准至标准脑空间，得到标准脑空间的血肿标记图像，本发明实施例在此不再赘述。

具体地，所述根据所述标准脑空间的血肿标记图像分别确定位于所述多个不同脑区中的各个脑区的血肿区域，可以包括：获取标准脑的脑区分割结果；根据所述脑区分割结果以及所述标准脑空间的血肿标记图像，确定位于所述多个不同脑区中的各个脑区的血肿区域。

在实际应用中，结合参考说明书附图3，可以采用现有的脑区分割方法预先对标准脑进行分割，得到所述标准脑的脑区分割结果31并存储。当得到所述标准脑空间的血肿标记图像32后，可以将预先存储的所述标准脑的脑区分割结果31叠加在所述血肿标记图像32中，从而确定出所述血肿标记图像32中的血肿321位于所述多个不同脑区中的各个脑区的血肿区域。

可以理解，通过利用标准脑的脑区分割结果，能够快速准确地确定血肿标记图像中血肿位于各个脑区的体积，从而进一步提高脑出血临床预后结果的预测效率。

具体地，确定位于各个脑区的血肿区域后，可以在标准脑空间分别确定各个所述血肿区域的体素的数量，然后乘以每个体素的体积即可得到对应的体积，即位于各个脑区的血肿体积。

可以理解，通过将所述血肿标记图像配准至标准脑空间，在标准脑空间计算位于各个脑区的血肿体积，可以消除不同患者脑体积本身的差异对脑出血临床预后结果的影响，进一步提高脑出血临床预后结果的预测准确性。

S230：基于各个所述血肿体积生成所述目标患者脑部的特征向量。

本发明实施例中，所述目标患者脑部的特征向量可以直接由位于多个不同脑区的血肿体积构成。示例性地，假设得到了位于额叶、顶叶、颞叶、枕叶、壳核、外囊、内囊、苍白球、丘脑、小脑、脑干这些脑区的血肿体积，则可以直接将位于额叶的血肿体积、位于顶叶的血肿体积、位于颞叶的血肿体积、位于枕叶的血肿体积、位于壳核的血肿体积、位于外囊的血肿体积、位于内囊的血肿体积、位于苍白球的血肿体积、位于丘脑的血肿体积、位于小脑的血肿体积和位于脑干的血肿体积构成所述特征向量。

在一个可能的实施例中，所述目标患者脑部的特征向量还可以包括与脑出血情况相关的所述目标患者的临床信息，所述临床信息可以包括但不限于所述目标患者的基本信息和诊疗信息。

具体地，所述基于各个所述血肿体积生成所述目标患者脑部的特征向量，可以包括：获取目标患者的临床信息，所述临床信息包括所述目标患者的基本信息和诊疗信息；根据所述临床信息以及各个所述血肿体积生成所述目标患者脑部的特征向量。其中，所述基本信息可以包括但不限于年龄、性别等信息，所述诊疗信息可以包括但不限于所述目标患者血压等信息。

具体地，可以从诊疗系统或者从获取到的CT图像中获取所述目标患者的年龄、性别等基本信息，从诊疗系统中获取所述目标患者的血压等诊疗信息。

具体地，所述目标患者脑部的特征向量可以由所述临床信息和位于多个不同脑区的血肿体积构成。示例性地，假设所述临床信息包括年龄、性别以及血压，并且得到了位于额叶、顶叶、颞叶、枕叶、壳核、外囊、内囊、苍白球、丘脑、小脑、脑干这些脑区的血肿体积。则可以将年龄、性别、血压、位于额叶的血肿体积、位于顶叶的血肿体积、位于颞叶的血肿体积、位于枕叶的血肿体积、位于壳核的血肿体积、位于外囊的血肿体积、位于内囊的血肿体积、位于苍白球的血肿体积、位于丘脑的血肿体积、位于小脑的血肿体积和位于脑干的血肿体积构成所述特征向量。

可以理解，通过结合目标患者的临床信息、血肿位置信息以及血肿体积等，来预测目标患者脑部的脑出血临床预后结果，能够提高脑出血临床预后结果的准确性，从而准确地筛选出预后更具一致性的脑出血患者，有利于在脑出血治疗的研究中排除干扰因素，明确治疗手段的有效性。

需要说明的是，上述利用临床信息和位于多个不同脑区的血肿体积进行脑出血临床预后结果预测的实施例仅为示例，本发明实施例对用于进行脑出血临床预后结果预测的特征数据的类型不做具体限制，在实际应用中，本领域技术人员可以根据实际情况进行确定。

在一些可能的实施例中，也可以仅将计算得到的各个血肿体积作为特征数据。也就是说，所述目标患者脑部的特征向量可以仅包括位于多个不同脑区的血肿体积。

S240：将所述特征向量输入至预先建立的脑出血预后预测模型，得到所述目标患者脑部的脑出血临床预后结果。

本发明实施例中，可以基于所述目标患者脑部的特征向量，利用预先建立的脑出血预后预测模型进行脑出血临床预后结果预测，得到所述目标患者脑部的脑出血临床预后结果，从而帮助筛选出预后更具一致性的脑出血患者。

其中，所述脑出血临床预后结果可以包括结果良好和结果不良。若所述脑出血临床预后结果为结果良好，表示若不进行脑外科手术干预患者症状也会有显著改善，因此可以用于需要基于预后较好的患者进行的研究，例如针对减少血肿扩大的研究。若所述脑出血临床预后结果为结果不良，表示若不进行脑外科手术干预患者症状不会显著改善，因此可以用于需要基于预后较差的患者进行的研究，例如针对血肿抽吸术有效性的研究。

本发明实施例中，所述脑出血预后预测模型可以包括但不限于逻辑回归模型，本发明实施例不对模型的结构进行具体限制。示例性地，在所述脑出血预后预测模型为逻辑回归模型的情况下，所述脑出血临床预后结果可以为[0,1]之间的一个值。当所述脑出血临床预后结果小于或等于预设阈值时，可以认为所述脑出血临床预后结果为结果良好，当所述脑出血临床预后结果大于所述预设阈值时，可以认为所述脑出血临床预后结果为结果不良。其中，所述预设阈值为0和1之间的一个值，所述预设阈值可以根据实际情况进行预先设置，例如可以设置为0.5，本发明实施例对此不做具体限制。

在实际应用中，假设所述脑出血预后预测模型为逻辑回归模型，逻辑回归模型如下式所示：

其中，x为特征向量，ω为参数，b为偏置，y表示脑出血临床结果。结合参考说明书附图3，将所述特征向量输入至预先建立的逻辑回归模型，可以计算得到ω^Tx+b的值，再基于上式可以计算得到y的值，根据y的值即可确定脑出血临床结果。

本发明实施例中，可以预先获取包括多个脑出血患者脑部的血肿标记图像样本，以及对应的脑出血临床结果的训练样本数据集，并分别基于各个脑出血患者脑部的所述血肿标记图像样本确定位于多个不同脑区中的样本血肿体积，以构建对应的特征向量样本，并以所述特征向量样本为自变量，以对应的脑出血临床结果为因变量，预先建立所述脑出血预后预测模型。所述脑出血预后预测模型的建立方法将在后续进行详细描述。

需要说明的是，建立脑出血预后预测模型所使用的特征向量样本中的特征数据的类型，与进行脑出血临床预后结果预测时构建的特征向量中的特征数据的类型可以均相同。

综上所述，根据本发明实施例的脑出血预后预测方法，通过根据血肿标记图像确定血肿位于多个不同脑区的体积，并利用预先建立的脑出血预后预测模型，基于位于各个脑区的血肿体积来预测目标患者脑部的脑出血临床预后结果，该方法在血肿体积的基础上引入血肿的位置信息来预测临床结果，提高了脑出血临床预后结果的预测准确性，从而根据其结果可筛选出预后更具一致性的脑出血患者，有利于在脑出血治疗的研究中排除干扰因素，明确治疗手段的有效性。并且，该方法还可对涉及多个脑区的血肿或多发性出血进行预测，无需人工操作，提高了脑出血临床预后结果的预测效率，节省了人工成本和时间成本。

参考说明书附图4，其示出了本发明一个实施例提供的脑出血预后预测模型的建立方法的流程，具体的如图4所示，所述方法可以包括以下步骤：

S410：获取训练样本数据集，所述训练样本数据集中包括多个脑出血患者脑部的血肿标记图像样本，以及对应的脑出血临床结果。

本发明实施例中，可以收集多个脑出血患者数据形成训练样本数据集，所述脑出血患者数据可以包括患者脑部的血肿标记图像样本以及对应的脑出血临床结果。其中，所述训练样本数据集中的血肿标记图像样本可以为没有伪影的图像。所述脑出血临床结果可以根据对应患者脑部的6个月改良Rankin评分量表(Modified Rankin Scale，mRS)评分来确定。具体地，6个月mRS评分在0到3之间判定为结果良好(例如可以取值为0)，6个月mRS评分在4到6之间判定为结果不良(例如可以取值为1)。

示例性地，可以收集至少300例脑出血患者数据，包括48小时内的CT图像样本和6个月mRS评分，并且要求脑出血前mRS评分小于3、未进行脑外科手术且6个月内无脑出血复发，以排除手术等其他因素的影响。可以选择其中扫描质量优、无运动伪影，并分割得到的血肿标记图像样本没有伪影的CT图像样本。并且对每位患者，根据所述CT图像样本分割得到对应的血肿标记图像样本，根据所述6个月mRS评分确定对应的脑出血临床结果。将选择的多个患者脑部的血肿标记图像样本以及对应的脑出血临床结果，作为建立脑出血预后预测模型的患者数据。

其中，根据所述CT图像样本分割得到对应的血肿标记图像样本的具体实现方法可以参考现有技术，本发明实施例在此不再赘述。

在一个可能的实施例中，建立脑出血预后预测模型的所述患者数据还可以包括患者的临床信息，所述临床信息可以包括但不限于所述患者的基本信息和诊疗信息。其中，所述基本信息可以包括但不限于年龄、性别等信息，所述诊疗信息可以包括但不限于所述患者的血压等信息。

S420：分别基于各个脑出血患者脑部的所述血肿标记图像样本确定位于多个不同脑区中的样本血肿体积。

本发明实施例中，所述步骤S420的具体内容可以参考图2所示实施例中步骤S220中基于血肿标记图像确定位于多个不同脑区的血肿体积的具体内容，本发明实施例在此不再赘述。

S430：基于所述样本血肿体积生成对应脑出血患者脑部的特征向量样本。

本发明实施例中，所述步骤S430的具体内容可以参考图2所示实施例中步骤S230中基于血肿体积生成所述目标患者脑部的特征向量的具体内容，本发明实施例在此不再赘述。

S440：以各个所述脑出血患者脑部的特征向量样本为自变量，以对应的脑出血临床结果为因变量，建立所述脑出血预后预测模型。

本发明实施例中，可以构建以所述特征向量样本为自变量，以对应的脑出血临床结果为因变量的脑出血预后预测模型。其中，所述脑出血预后预测模型可以包括但不限于逻辑回归模型，本发明实施例不对模型的结构进行具体限制。

示例性地，可以构建以年龄、性别、血压和位于各个脑区的血肿体积构成的特征向量为自变量，以脑出血临床结果为因变量的逻辑回归模型。具体地，逻辑回归模型如下式所示：

其中，x为特征向量，ω为参数，b为偏置，y表示脑出血临床结果。

具体地，根据各个特征向量样本及其对应的脑出血临床结果，可以调整所述参数ω，得到使损失函数最小的模型参数，最终得到一个预测表现良好的脑出血预后预测模型。其中，所述损失函数可以根据实际需要进行预先设置，本发明实施例对此不做具体限制。

实际研究表明，发生在脑叶(包括但不限于额叶、顶叶、颞叶、枕叶等)的血肿即使体积较大，预后也可能比较良好，而体积较小的位于丘脑、脑干等位置的血肿对应的预后相对较差。因此位于脑叶的血肿体积对应的权重参数(包括ω中对应脑叶的几项)会比较小，位于丘脑、脑干的血肿体积对应的权重参数则会比较大。

需要说明的是，本发明实施例中，模型建立过程的其他具体内容可以参考图2所示实施例所提供的方法的具体内容或者可以参考现有技术，本发明实施例在此不再赘述。

可以理解，通过以血肿位于多个不同脑区的体积为自变量，建立脑出血预后预测模型，在血肿体积的基础上引入了血肿的位置信息，能够提高脑出血预后预测模型的预测效果，从而提高脑出血临床预后结果的预测准确性，进而根据其结果可筛选出预后更具一致性的脑出血患者，有利于在脑出血治疗的研究中排除干扰因素，明确治疗手段的有效性。并且，利用所述脑出血预后预测模型还可对涉及多个脑区的血肿或多发性出血进行预测，无需人工操作，提高了脑出血临床预后结果的预测效率。

参考说明书附图5，其示出了本发明一个实施例提供的一种脑出血预后预测装置500的结构。如图5所示，所述装置500可以包括：

图像获取模块510，用于获取目标患者脑部的血肿标记图像；

体积确定模块520，用于基于所述血肿标记图像确定位于多个不同脑区的血肿体积；

特征向量生成模块530，用于基于各个所述血肿体积生成所述目标患者脑部的特征向量；

预测模块540，用于将所述特征向量输入至预先建立的脑出血预后预测模型，得到所述目标患者脑部的脑出血临床预后结果。

在一个可能的实施例中，所述装置500还可以包括模型建立模块，用于预先建立所述脑出血预后预测模型；所述模型建立模块可以包括：

样本数据获取单元，用于获取训练样本数据集，所述训练样本数据集中包括多个脑出血患者脑部的血肿标记图像样本，以及对应的脑出血临床结果；

样本体积确定单元，用于分别基于各个脑出血患者脑部的所述血肿标记图像样本确定位于多个不同脑区中的样本血肿体积；

样本特征生成单元，用于基于所述样本血肿体积生成对应脑出血患者脑部的特征向量样本；

模型建立单元，用于以各个所述脑出血患者脑部的特征向量样本为自变量，以对应的脑出血临床结果为因变量，建立所述脑出血预后预测模型。

需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与相应方法实施例属于同一构思，其具体实现过程详见对应方法实施例，这里不再赘述。

本发明一个实施例还提供了一种电子设备，该电子设备包括处理器和存储器，该存储器中存储有至少一条指令或至少一段程序，该至少一条指令或该至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的脑出血预后预测方法。

存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。

在一个具体的实施例中，图6示出了一种用于实现本发明实施例所提供的脑出血预后预测方法的电子设备的硬件结构示意图，所述电子设备可以为计算机终端、移动终端或其它设备，所述电子设备还可以参与构成或包含本发明实施例所提供的脑出血预后预测装置。如图6所示，所述电子设备600可以包括一个或一个以上计算机可读存储介质的存储器610、一个或者一个以上处理核心的处理器620、输入单元630、显示单元640、射频(RadioFrequency，RF)电路650、无线保真(wireless fidelity，WiFi)模块660以及电源670等部件。本领域技术人员可以理解，图6中示出的电子设备结构并不构成对电子设备600的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

所述存储器610可用于存储软件程序以及模块，所述处理器620通过运行或执行存储在所述存储器610的软件程序以及模块，以及调用存储在存储器610内的数据，从而执行各种功能应用以及数据处理。所述存储器610可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据所述电子设备的使用所创建的数据等。此外，存储器610可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器610还可以包括存储器控制器，以提供处理器620对存储器610的访问。

所述处理器620是电子设备600的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器610内的软件程序和/或模块，以及调用存储在存储器610内的数据，执行电子设备600的各种功能和处理数据，从而对电子设备600进行整体监控。所述处理器620可以是中央处理器，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述输入单元630可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元630可包括触敏表面631以及其他输入设备632。具体地，触敏表面631可以包括但不限于触感板或者触摸屏，其他输入设备632可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

所述显示单元640可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元640可包括显示面板641，可选的，可以采用液晶显示器(Liquid CrystalDisplay，LCD)、有机发光二极管(Organic Light-Emitting Diode，OLED)等形式来配置显示面板641。

所述RF电路650可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器620处理；另外，将涉及上行的数据发送给基站。通常，RF电路650包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、低噪声放大器(Low Noise Amplifier，LNA)、双工器等。此外，RF电路650还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(Global System of Mobilecommunication，GSM)、通用分组无线服务(General Packet Radio Service，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband Code DivisionMultiple Access，WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。

WiFi属于短距离无线传输技术，电子设备600通过WiFi模块660可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图6示出了WiFi模块660，但是可以理解的是，其并不属于电子设备600的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

所述电子设备600还包括给各个部件供电的电源670(比如电池)，优选的，电源可以通过电源管理系统与处理器620逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源670还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

需要说明的是，尽管未示出，所述电子设备600还可以包括蓝牙模块等，在此不再赘述。

本发明一个实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质可设置于电子设备之中以保存用于实现一种脑出血预后预测方法相关的至少一条指令或至少一段程序，该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的脑出血预后预测方法。

可选地，在本发明实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本发明一个实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现例中提供的脑出血预后预测方法。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种脑出血预后预测方法，其特征在于，包括：

获取目标患者脑部的血肿标记图像；

基于所述血肿标记图像确定位于多个不同脑区的血肿体积；

基于各个所述血肿体积生成所述目标患者脑部的特征向量；

将所述特征向量输入至预先建立的脑出血预后预测模型，得到所述目标患者脑部的脑出血临床预后结果。

2.根据权利要求1所述的方法，其特征在于，所述获取目标患者脑部的血肿标记图像，包括：

获取目标患者脑部的CT图像；

基于所述CT图像进行血肿分割，得到所述血肿标记图像。

3.根据权利要求1所述的方法，其特征在于，所述基于所述血肿标记图像确定位于多个不同脑区的血肿体积，包括：

将所述血肿标记图像配准至标准脑空间，得到标准脑空间的血肿标记图像；

根据所述标准脑空间的血肿标记图像分别确定位于所述多个不同脑区中的各个脑区的血肿区域；

分别计算位于各个脑区的血肿区域的体积，得到对应的血肿体积。

4.根据权利要求3所述的方法，其特征在于，所述根据所述标准脑空间的血肿标记图像分别确定位于所述多个不同脑区中的各个脑区的血肿区域，包括：

获取标准脑的脑区分割结果；

根据所述脑区分割结果以及所述标准脑空间的血肿标记图像，确定位于所述多个不同脑区中的各个脑区的血肿区域。

5.根据权利要求1所述的方法，其特征在于，所述基于各个所述血肿体积生成所述目标患者脑部的特征向量，包括：

获取目标患者的临床信息，所述临床信息包括所述目标患者的基本信息和诊疗信息；

根据所述临床信息以及各个所述血肿体积生成所述目标患者脑部的特征向量。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括预先建立所述脑出血预后预测模型，所述脑出血预后预测模型的建立过程包括：

获取训练样本数据集，所述训练样本数据集中包括多个脑出血患者脑部的血肿标记图像样本，以及对应的脑出血临床结果；

分别基于各个脑出血患者脑部的所述血肿标记图像样本确定位于多个不同脑区中的样本血肿体积；

基于所述样本血肿体积生成对应脑出血患者脑部的特征向量样本；

以各个所述脑出血患者脑部的特征向量样本为自变量，以对应的脑出血临床结果为因变量，建立所述脑出血预后预测模型。

7.一种脑出血预后预测装置，其特征在于，包括：

图像获取模块，用于获取目标患者脑部的血肿标记图像；

体积确定模块，用于基于所述血肿标记图像确定位于多个不同脑区的血肿体积；

特征向量生成模块，用于基于各个所述血肿体积生成所述目标患者脑部的特征向量；

预测模块，用于将所述特征向量输入至预先建立的脑出血预后预测模型，得到所述目标患者脑部的脑出血临床预后结果。

8.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1-6任意一项所述的脑出血预后预测方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-6任意一项所述的脑出血预后预测方法。

10.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现如权利要求1-6任意一项所述的脑出血预后预测方法。