CN117936102A - 一种动脉硬化评估系统及方法 - Google Patents
一种动脉硬化评估系统及方法 Download PDFInfo
- Publication number
- CN117936102A CN117936102A CN202410332167.1A CN202410332167A CN117936102A CN 117936102 A CN117936102 A CN 117936102A CN 202410332167 A CN202410332167 A CN 202410332167A CN 117936102 A CN117936102 A CN 117936102A
- Authority
- CN
- China
- Prior art keywords
- real
- time
- evaluation result
- plaque
- evaluation
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 243
- 238000000034 method Methods 0.000 title claims abstract description 87
- 208000011775 arteriosclerosis disease Diseases 0.000 title claims abstract description 59
- 206010003210 Arteriosclerosis Diseases 0.000 title claims abstract description 58
- 102000015779 HDL Lipoproteins Human genes 0.000 claims abstract description 54
- 108010010234 HDL Lipoproteins Proteins 0.000 claims abstract description 54
- 102000007330 LDL Lipoproteins Human genes 0.000 claims abstract description 47
- 108010007622 LDL Lipoproteins Proteins 0.000 claims abstract description 47
- 208000031481 Pathologic Constriction Diseases 0.000 claims abstract description 35
- 208000037804 stenosis Diseases 0.000 claims abstract description 35
- 230000036262 stenosis Effects 0.000 claims abstract description 35
- 230000036772 blood pressure Effects 0.000 claims abstract description 34
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 27
- 230000005540 biological transmission Effects 0.000 claims abstract description 26
- 239000008280 blood Substances 0.000 claims abstract description 24
- 210000004369 blood Anatomy 0.000 claims abstract description 24
- 238000012552 review Methods 0.000 claims description 33
- 230000002757 inflammatory effect Effects 0.000 claims description 20
- 238000013145 classification model Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 208000034189 Sclerosis Diseases 0.000 claims description 7
- 210000003462 vein Anatomy 0.000 claims description 6
- 239000003146 anticoagulant agent Substances 0.000 claims description 4
- 229940127219 anticoagulant drug Drugs 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 15
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 6
- 150000002632 lipids Chemical group 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 235000012000 cholesterol Nutrition 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 206010018429 Glucose tolerance impaired Diseases 0.000 description 2
- 208000026106 cerebrovascular disease Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000001280 Prediabetic State Diseases 0.000 description 1
- 230000003143 atherosclerotic effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000003038 endothelium Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000003345 hyperglycaemic effect Effects 0.000 description 1
- 201000001421 hyperglycemia Diseases 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 201000009104 prediabetes syndrome Diseases 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
- 230000006438 vascular health Effects 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及动脉硬化评估技术领域,本发明公开了一种动脉硬化评估系统及方法,包括通过目标血管的血液样本获取高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值,获取实时脉搏波传导速度以及实时血压,根据高密度脂蛋白HDL实时值、低密度脂蛋白LDL实时值、实时脉搏波传导速度以及实时血压生成硬化评估系数,根据目标狭窄区域面积以及斑块分类结果确定第一评估结果,这样通过两种方式实现了对动脉硬化的严重程度进行精确评估,同时将第一评估结果和第二评估结果相比较,一定程度上减少了人工进行后续复检的次数,相应地减少了医疗的成本以及专业医师的工作量。
Description
技术领域
本发明涉及动脉硬化评估技术领域,更具体地说,本发明涉及一种动脉硬化评估系统及方法。
背景技术
根据国际糖尿病联盟的统计数据,2019年全球约有4.63亿人患有糖尿病,值得注意的是,糖尿病前期患者的数量约为糖尿病患者的3倍,糖尿病前期是指那些尚未被明确定义为糖尿病患者,但已经显示出高血糖水平的人群,这些人更容易进一步发展成为临床上的糖尿病,高血糖不仅会影响血糖控制,还可能引发一系列健康问题,其中之一就是对动脉内皮的损害,这一损伤可能导致动脉硬化的发生,动脉硬化是一种常见的血管疾病,也是高血压、冠状动脉粥样硬化性心脏病等心脑血管疾病的主要危险因素之一;
值得注意的是,动脉硬化通常随着年龄的增长而出现,其发展规律是在青少年时期开始,并在中老年时期逐渐加重,导致相关的心脑血管疾病风险增加,因此,及早的高血糖管理和动脉硬化的预防至关重要,目前的技术通常用于评估动脉硬化的严重程度,包括检测血管局部强度和总胆固醇(TC)值,这些测试可以提供关于血管健康和硬化程度的信息;
例如,公开号为CN115112908A的中国专利公开了亚临床动脉硬化的早期评估方法,该专利通过测定血液样本中的总胆固醇TC值和高密度脂蛋白HDL值实现了对动脉硬化的严重程度进行评估,但是仅仅通过总胆固醇TC值和高密度脂蛋白HDL值难以实现对动脉硬化的严重程度进行精确评估,同时单一的评估还需要人工进行后续的复检,这样无疑会增加医疗的成本以及专业医师的工作量。
鉴于此,本发明提出一种动脉硬化评估系统及方法以解决上述问题。
发明内容
为了克服现有技术的上述缺陷,本发明提供一种动脉硬化评估系统及方法。
为实现上述目的,本发明提供如下技术方案:
一种动脉硬化评估系统,包括:
数据获取模块:用于通过目标血管的血液样本获取高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值,获取实时脉搏波传导速度以及实时血压,根据高密度脂蛋白HDL实时值、低密度脂蛋白LDL实时值、实时脉搏波传导速度以及实时血压生成硬化评估系数;
分类模块:用于获取目标血管的实时CT图像,根据实时CT图像生成目标狭窄区域面积,基于实时CT图像和预构建的斑块分类模型获得斑块分类结果,斑块分类结果包括稳定性斑块、易碎性斑块、钙化斑块和炎症性斑块;
评估结果生成模块:用于根据目标狭窄区域面积以及斑块分类结果确定第一评估结果,根据硬化评估系数确定第二评估结果,第一评估结果和第二评估结果均包括轻微、中等和严重;
复检确定模块:用于判断第一评估结果和第二评估结果是否一致,若是,则将第一评估结果或第二评估结果确定为目标评估结果,若否,则生成人工复检信息,基于第一评估结果和第二评估结果确定人工复检信息序列,人工复检信息序列包括第一序列、第二序列和第三序列。
进一步地,获取高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值的方法包括:
从目标血管相连的静脉中抽取血液样本,将收集的血液样本放入含有抗凝剂的试管中,离心处理血液样本以分离血浆,通过生化分析仪对血浆进行测定,以获得高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值。
进一步地,根据高密度脂蛋白HDL实时值、低密度脂蛋白LDL实时值、实时脉搏波传导速度以及实时血压生成硬化评估系数的方法包括:
ASI=;
式中,为高密度脂蛋白HDL实时值、为高密度脂蛋白HDL标准值,为实时脉搏波传导速度,为标准脉搏波传导速度,为实时血压,为
标准血压,为低密度脂蛋白LDL实时值,为低密度脂蛋白LDL标准值,、、和均为权重系数。
进一步地,根据实时CT图像生成目标狭窄区域面积的方法包括:
通过调整患者与CT扫描仪之间的角度以获取r个实时CT图像,每个实时CT图像均生成初始狭窄区域面积,取r个初始狭窄区域面积中的最小值作为目标狭窄区域面积,r为大于1的整数。
进一步地,每个实时CT图像均生成初始狭窄区域面积的方法包括:
遍历r个实时CT图像,将实时CT图像进行去噪,通过区域生长和边缘检测对实时CT图像进行分割,识别分割后实时CT图像中的狭窄区域,根据图像处理软件获得初始狭窄区域面积。
进一步地,斑块分类模型的构建方法包括:
获取i组数据,i为大于1的正整数,数据包括历史CT图像和历史斑块分类结果,将历史CT图像和历史斑块分类结果作为样本集,将样本集划分为训练集和测试集,构建分类器,将训练集中的历史CT图像作为输入数据,将训练集中的历史斑块分类结果作为输出数据,对分类器进行训练,得到初始分类器,利用测试集对初始分类器进行测试,输出满足预设准确度的分类器作为斑块分类模型。
进一步地,根据目标狭窄区域面积以及斑块分类结果确定第一评估结果的方法包括:
当目标狭窄区域面积大于预设区域面积阈值,并且斑块分类结果为稳定性斑块或钙化斑块时,则第一评估结果为轻微;
当目标狭窄区域面积大于预设区域面积阈值,并且斑块分类结果为易碎性斑块或炎症性斑块时,则第一评估结果为中等;
当目标狭窄区域面积小于或等于预设区域面积阈值,并且斑块分类结果为稳定性斑块或钙化斑块时,则第一评估结果为中等;
当目标狭窄区域面积小于或等于预设区域面积阈值,并且斑块分类结果为易碎性斑块或炎症性斑块时,则第一评估结果为严重。
进一步地,根据硬化评估系数确定第二评估结果的方法包括:
当硬化评估系数小于预设第一评估系数阈值时,则第二评估结果为轻微;
当硬化评估系数大于或等于预设第一评估系数阈值,并且小于预设第二评估系数阈值时,则第二评估结果为中等;
当硬化评估系数大于或等于预设第二评估系数阈值时,则第二评估结果为严重。
进一步地,基于第一评估结果和第二评估结果确定人工复检信息序列的方法包括:
获取h个人工复检信息以及对应的第一评估结果和第二评估结果,遍历h个人工复检信息,若第一评估结果或第二评估结果为严重,则将对应的人工复检信息确定为第一序列;
若第一评估结果或第二评估结果为中等,并且均不为严重,则将对应的人工复检信息确定为第二序列;
若第一评估结果或第二评估结果均不为严重,且不为中等,则将对应的人工复检信息确定为第三序列。
一种动脉硬化评估方法,其基于上述的一种动脉硬化评估系统实现,包括:
S10:通过目标血管的血液样本获取高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值,获取实时脉搏波传导速度以及实时血压,根据高密度脂蛋白HDL实时值、低密度脂蛋白LDL实时值、实时脉搏波传导速度以及实时血压生成硬化评估系数;
S20:获取目标血管的实时CT图像,根据实时CT图像生成目标狭窄区域面积,基于实时CT图像和预构建的斑块分类模型获得斑块分类结果,斑块分类结果包括稳定性斑块、易碎性斑块、钙化斑块和炎症性斑块;
S30:根据目标狭窄区域面积以及斑块分类结果确定第一评估结果,根据硬化评估系数确定第二评估结果,第一评估结果和第二评估结果均包括轻微、中等和严重;
S40:判断第一评估结果和第二评估结果是否一致,若是,则将第一评估结果或第二评估结果确定为目标评估结果,若否,则生成人工复检信息,基于第一评估结果和第二评估结果确定人工复检信息序列,人工复检信息序列包括第一序列、第二序列和第三序列。
一种电子设备,包括电源、接口、键盘、存储器、中央处理器以及存储在存储器上并可在中央处理器上运行的计算机程序,所述处理器执行计算机程序时实现上述的一种动脉硬化评估方法,所述接口包括网络接口与数据接口,网络接口包括有线或无线接口,数据接口包括输入或输出接口。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被执行时实现上述任一项所述一种动脉硬化评估方法。
相比于现有技术,本发明的有益效果为:
本发明中先是根据高密度脂蛋白HDL实时值、低密度脂蛋白LDL实时值、实时脉搏波传导速度以及实时血压生成硬化评估系数,再通过硬化评估系数确定第二评估结果,接着通过实时CT图像生成目标狭窄区域面积以及斑块分类结果,根据目标狭窄区域面积以及斑块分类结果确定第一评估结果,这样通过两种方式实现了对动脉硬化的严重程度进行精确评估,同时将第一评估结果和第二评估结果相比较,一定程度上减少了人工进行后续复检的次数,相应地减少了医疗的成本以及专业医师的工作量。
附图说明
图1为本发明中一种动脉硬化评估系统的示意图;
图2为本发明中一种动脉硬化评估方法的流程图;
图3为本发明中一种电子设备的示意图;
图4为本发明中一种计算机可读存储介质的示意图。
具体实施方式
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、完整的描述,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。
实施例1
请参阅图1所示,本实施例公开提供了一种动脉硬化评估系统,包括:
数据获取模块:用于通过目标血管的血液样本获取高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值,获取实时脉搏波传导速度以及实时血压,根据高密度脂蛋白HDL实时值、低密度脂蛋白LDL实时值、实时脉搏波传导速度以及实时血压生成硬化评估系数;
具体地,在本实施例中,所采集的血液样本是从与目标血管相连的静脉中抽取的,这种方法比较简单且相对无创,高水平的HDL值可能有助于降低动脉硬化的风险,因此高密度脂蛋白HDL值与硬化严重程度呈反比,而高水平的LDL值与动脉硬化风险增加有关,因此低密度脂蛋白LDL值与硬化严重程度成正比;
获取高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值的方法包括:
从目标血管相连的静脉中抽取血液样本,将收集的血液样本放入含有抗凝剂的试管中,离心处理血液样本以分离血浆,通过生化分析仪对血浆进行测定,以获得高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值;
需要说明的是,通过抗凝剂保证了血液样本的完整性,而通过离心处理进一步提高了检测的准确性,本实施例中,脉搏波传导速度可以通过彩色多普勒超声诊断仪直接进行获取,在获取脉搏波传导速度的过程中,患者应该处于仰卧状态,平静呼吸,充分暴露目标血管的位置,这样有利于彩色多普勒超声诊断仪准确获取脉搏波传导速度,脉搏波传导速度与硬化严重程度成正比,则速度越快,硬化程度越严重,血压的测量既可以采用侵入性检测,又可以采用非侵入性检测,侵入性检测需要将一根导管插入目标血管中,导管的一端连接到压力传感器,而非侵入性检测可以通过血压计进行测量,血压与硬化严重程度成正比;
根据高密度脂蛋白HDL实时值、低密度脂蛋白LDL实时值、实时脉搏波传导速度以及实时血压生成硬化评估系数的方法包括:
ASI=;
式中,为高密度脂蛋白HDL实时值、为高密度脂蛋白HDL标准值,为实时脉搏波传导速度,为标准脉搏波传导速度,为实时血压,为
标准血压,为低密度脂蛋白LDL实时值,为低密度脂蛋白LDL标准值,、、和均为权重系数;
可以理解的是,、、和均为定值,可以由本领域技术人
员根据实际情况进行确定,因此硬化评估系数ASI与硬化严重程度成正比;
分类模块:用于获取目标血管的实时CT图像,根据实时CT图像生成目标狭窄区域面积,基于实时CT图像和预构建的斑块分类模型获得斑块分类结果,斑块分类结果包括稳定性斑块、易碎性斑块、钙化斑块和炎症性斑块;
需要说明的是,目标血管的实时CT图像可以由螺旋CT扫描仪直接获取,同样地在获取实时CT图像的过程中,患者处于仰卧状态并且平静呼吸;
根据实时CT图像生成目标狭窄区域面积的方法包括:
通过调整患者与CT扫描仪之间的角度以获取r个实时CT图像,每个实时CT图像均生成初始狭窄区域面积,取r个初始狭窄区域面积中的最小值作为目标狭窄区域面积,r为大于1的整数;
每个实时CT图像均生成初始狭窄区域面积的方法包括:
遍历r个实时CT图像,将实时CT图像进行去噪,通过区域生长和边缘检测对实时CT图像进行分割,识别分割后实时CT图像中的狭窄区域,根据图像处理软件获得初始狭窄区域面积;
值得注意的是,在获取实时CT图像的过程中,患者通常处于仰卧状态并且处于被固定状态,那么通过旋转CT扫描仪上的X射线源改变患者与CT扫描仪之间的角度,从而获取了r个实时CT图像,例如可以获取正位实时CT图像、斜位实时CT图像以及侧位实时CT图像,通过将r个初始狭窄区域面积中的最小值作为目标狭窄区域面积,可以寻找目标血管中最狭窄的部位;将实时CT图像进行去噪包括了对实时CT图像进行图像增强,图像增强包括对比度调整,通过改变图像的亮度范围,使图像的高亮和暗区域更加明显,图像处理软件可以是较为常规的MATLAB或者更为专业的OsiriX,本实施例不做过多的限制;
斑块分类模型的构建方法包括:
获取i组数据,i为大于1的正整数,数据包括历史CT图像和历史斑块分类结果,将历史CT图像和历史斑块分类结果作为样本集,将样本集划分为训练集和测试集,构建分类器,将训练集中的历史CT图像作为输入数据,将训练集中的历史斑块分类结果作为输出数据,对分类器进行训练,得到初始分类器,利用测试集对初始分类器进行测试,输出满足预设准确度的分类器作为斑块分类模型,分类器优选为朴素贝叶斯模型或支持向量机模型的其中一种;
可以理解的是,上述内容中,在根据实时CT图像生成目标狭窄区域面积的过程中,获得r个实时CT图像,但是并不影响将实时CT图像输入到预构建的斑块分类模型中获得斑块分类结果,因为稳定性斑块的特点是具有较厚的纤维帽和较小的脂质核心,易碎性斑块的特点是具有薄弱的纤维帽和较大的脂质核心,钙化斑块的特点是含有大量钙质和其他矿物质,炎症性斑块的特点是高度炎症活性,由此可以明确得出,斑块分类结果不会因为r个实时CT图像的角度不同而改变,r个实时CT图像的角度不同只会影响狭窄区域面积,因此r个实时CT图像中的任一图像都能作为斑块分类模型中的输入数据;
评估结果生成模块:用于根据目标狭窄区域面积以及斑块分类结果确定第一评估结果,根据硬化评估系数确定第二评估结果,第一评估结果和第二评估结果均包括轻微、中等和严重;
根据目标狭窄区域面积以及斑块分类结果确定第一评估结果的方法包括:
当目标狭窄区域面积大于预设区域面积阈值,并且斑块分类结果为稳定性斑块或钙化斑块时,则第一评估结果为轻微;
当目标狭窄区域面积大于预设区域面积阈值,并且斑块分类结果为易碎性斑块或炎症性斑块时,则第一评估结果为中等;
当目标狭窄区域面积小于或等于预设区域面积阈值,并且斑块分类结果为稳定性斑块或钙化斑块时,则第一评估结果为中等;
当目标狭窄区域面积小于或等于预设区域面积阈值,并且斑块分类结果为易碎性斑块或炎症性斑块时,则第一评估结果为严重;
可以理解的是,易碎性斑块和炎症性斑块具有较强的不稳定性,目标狭窄区域面积与硬化严重程度成反比,即目标狭窄区域面积越小,代表硬化严重程度越严重;
根据硬化评估系数确定第二评估结果的方法包括:
当硬化评估系数小于预设第一评估系数阈值时,则第二评估结果为轻微;
当硬化评估系数大于或等于预设第一评估系数阈值,并且小于预设第二评估系数阈值时,则第二评估结果为中等;
当硬化评估系数大于或等于预设第二评估系数阈值时,则第二评估结果为严重;
复检确定模块:用于判断第一评估结果和第二评估结果是否一致,若是,则将第一评估结果或第二评估结果确定为目标评估结果,若否,则生成人工复检信息,基于第一评估结果和第二评估结果确定人工复检信息序列,人工复检信息序列包括第一序列、第二序列和第三序列;
具体地,当第一评估结果和第二评估结果一致,那么也就说明了在两种检测方式下得出的结果是一致的,这样证明了得出的结果是可靠的,因此并不需要人工进行再次的复检,直接将得出的结果作为目标评估结果,但是当第一评估结果和第二评估结果不一致,也就意味着得出的结果是不可靠的,极大可能出现了其中一个评估结果是准确的,而另一个评估结果是错误的,因此需要生成人工复检信息,专业的医师需要对评估结果进行复检,以此确定准确的评估结果;
基于第一评估结果和第二评估结果确定人工复检信息序列的方法包括:
获取h个人工复检信息以及对应的第一评估结果和第二评估结果,遍历h个人工复检信息,若第一评估结果或第二评估结果为严重,则将对应的人工复检信息确定为第一序列;
若第一评估结果或第二评估结果为中等,并且均不为严重,则将对应的人工复检信息确定为第二序列;
若第一评估结果或第二评估结果均不为严重,且不为中等,则将对应的人工复检信息确定为第三序列;
需要说明的是,由于医院中专业医师的人数有限,因此为了进一步提高专业医师的复检效率,需要将h个人工复检信息进行分级,专业医师根据第一序列、第二序列和第三序列依次进行复检,那么确定第一序列、第二序列和第三序列的逻辑则是,根据动脉硬化的严重程度进行分级,也是根据第一评估结果和第二评估结果进行分级,当第一评估结果或第二评估结果为严重,则表明动脉硬化较为严重,因此将对应的人工复检信息确定为第一序列,随后依次确定第二序列和第三序列,这样不仅先对动脉硬化的较为严重的患者进行了复检,而且提高了专业医师的复检效率;
本实施例中,先是根据高密度脂蛋白HDL实时值、低密度脂蛋白LDL实时值、实时脉搏波传导速度以及实时血压生成硬化评估系数,再通过硬化评估系数确定第二评估结果,接着通过实时CT图像生成目标狭窄区域面积以及斑块分类结果,根据目标狭窄区域面积以及斑块分类结果确定第一评估结果,这样通过两种方式实现了对动脉硬化的严重程度进行精确评估,同时将第一评估结果和第二评估结果相比较,一定程度上减少了人工进行后续复检的次数,相应地减少了医疗的成本以及专业医师的工作量。
实施例2
请参阅图2所示,本实施例在实施例1的基础之上提供了一种动脉硬化评估方法,包括:
S10:通过目标血管的血液样本获取高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值,获取实时脉搏波传导速度以及实时血压,根据高密度脂蛋白HDL实时值、低密度脂蛋白LDL实时值、实时脉搏波传导速度以及实时血压生成硬化评估系数;
具体地,在本实施例中,所采集的血液样本是从与目标血管相连的静脉中抽取的,这种方法比较简单且相对无创,高水平的HDL值可能有助于降低动脉硬化的风险,因此高密度脂蛋白HDL值与硬化严重程度呈反比,而高水平的LDL值与动脉硬化风险增加有关,因此低密度脂蛋白LDL值与硬化严重程度成正比;
获取高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值的方法包括:
从目标血管相连的静脉中抽取血液样本,将收集的血液样本放入含有抗凝剂的试管中,离心处理血液样本以分离血浆,通过生化分析仪对血浆进行测定,以获得高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值;
需要说明的是,通过抗凝剂保证了血液样本的完整性,而通过离心处理进一步提高了检测的准确性,本实施例中,脉搏波传导速度可以通过彩色多普勒超声诊断仪直接进行获取,在获取脉搏波传导速度的过程中,患者应该处于仰卧状态,平静呼吸,充分暴露目标血管的位置,这样有利于彩色多普勒超声诊断仪准确获取脉搏波传导速度,脉搏波传导速度与硬化严重程度成正比,则速度越快,硬化程度越严重,血压的测量既可以采用侵入性检测,又可以采用非侵入性检测,侵入性检测需要将一根导管插入目标血管中,导管的一端连接到压力传感器,而非侵入性检测可以通过血压计进行测量,血压与硬化严重程度成正比;
根据高密度脂蛋白HDL实时值、低密度脂蛋白LDL实时值、实时脉搏波传导速度以及实时血压生成硬化评估系数的方法包括:
ASI=;
式中,为高密度脂蛋白HDL实时值、为高密度脂蛋白HDL标准值,为实时脉搏波传导速度,为标准脉搏波传导速度,为实时血压,为
标准血压,为低密度脂蛋白LDL实时值,为低密度脂蛋白LDL标准值,、、和均为权重系数;
可以理解的是,、、和均为定值,可以由本领域技术人
员根据实际情况进行确定,因此硬化评估系数ASI与硬化严重程度成正比;
S20:获取目标血管的实时CT图像,根据实时CT图像生成目标狭窄区域面积,基于实时CT图像和预构建的斑块分类模型获得斑块分类结果,斑块分类结果包括稳定性斑块、易碎性斑块、钙化斑块和炎症性斑块;
需要说明的是,目标血管的实时CT图像可以由螺旋CT扫描仪直接获取,同样地在获取实时CT图像的过程中,患者处于仰卧状态并且平静呼吸;
根据实时CT图像生成目标狭窄区域面积的方法包括:
通过调整患者与CT扫描仪之间的角度以获取r个实时CT图像,每个实时CT图像均生成初始狭窄区域面积,取r个初始狭窄区域面积中的最小值作为目标狭窄区域面积,r为大于1的整数;
每个实时CT图像均生成初始狭窄区域面积的方法包括:
遍历r个实时CT图像,将实时CT图像进行去噪,通过区域生长和边缘检测对实时CT图像进行分割,识别分割后实时CT图像中的狭窄区域,根据图像处理软件获得初始狭窄区域面积;
值得注意的是,在获取实时CT图像的过程中,患者通常处于仰卧状态并且处于被固定状态,那么通过旋转CT扫描仪上的X射线源改变患者与CT扫描仪之间的角度,从而获取了r个实时CT图像,例如可以获取正位实时CT图像、斜位实时CT图像以及侧位实时CT图像,通过将r个初始狭窄区域面积中的最小值作为目标狭窄区域面积,可以寻找目标血管中最狭窄的部位;将实时CT图像进行去噪包括了对实时CT图像进行图像增强,图像增强包括对比度调整,通过改变图像的亮度范围,使图像的高亮和暗区域更加明显,图像处理软件可以是较为常规的MATLAB或者更为专业的OsiriX,本实施例不做过多的限制;
斑块分类模型的构建方法包括:
获取i组数据,i为大于1的正整数,数据包括历史CT图像和历史斑块分类结果,将历史CT图像和历史斑块分类结果作为样本集,将样本集划分为训练集和测试集,构建分类器,将训练集中的历史CT图像作为输入数据,将训练集中的历史斑块分类结果作为输出数据,对分类器进行训练,得到初始分类器,利用测试集对初始分类器进行测试,输出满足预设准确度的分类器作为斑块分类模型,分类器优选为朴素贝叶斯模型或支持向量机模型的其中一种;
可以理解的是,上述内容中,在根据实时CT图像生成目标狭窄区域面积的过程中,获得r个实时CT图像,但是并不影响将实时CT图像输入到预构建的斑块分类模型中获得斑块分类结果,因为稳定性斑块的特点是具有较厚的纤维帽和较小的脂质核心,易碎性斑块的特点是具有薄弱的纤维帽和较大的脂质核心,钙化斑块的特点是含有大量钙质和其他矿物质,炎症性斑块的特点是高度炎症活性,由此可以明确得出,斑块分类结果不会因为r个实时CT图像的角度不同而改变,r个实时CT图像的角度不同只会影响狭窄区域面积,因此r个实时CT图像中的任一图像都能作为斑块分类模型中的输入数据;
S30:根据目标狭窄区域面积以及斑块分类结果确定第一评估结果,根据硬化评估系数确定第二评估结果,第一评估结果和第二评估结果均包括轻微、中等和严重;
根据目标狭窄区域面积以及斑块分类结果确定第一评估结果的方法包括:
当目标狭窄区域面积大于预设区域面积阈值,并且斑块分类结果为稳定性斑块或钙化斑块时,则第一评估结果为轻微;
当目标狭窄区域面积大于预设区域面积阈值,并且斑块分类结果为易碎性斑块或炎症性斑块时,则第一评估结果为中等;
当目标狭窄区域面积小于或等于预设区域面积阈值,并且斑块分类结果为稳定性斑块或钙化斑块时,则第一评估结果为中等;
当目标狭窄区域面积小于或等于预设区域面积阈值,并且斑块分类结果为易碎性斑块或炎症性斑块时,则第一评估结果为严重;
可以理解的是,易碎性斑块和炎症性斑块具有较强的不稳定性,目标狭窄区域面积与硬化严重程度成反比,即目标狭窄区域面积越小,代表硬化严重程度越严重;
根据硬化评估系数确定第二评估结果的方法包括:
当硬化评估系数小于预设第一评估系数阈值时,则第二评估结果为轻微;
当硬化评估系数大于或等于预设第一评估系数阈值,并且小于预设第二评估系数阈值时,则第二评估结果为中等;
当硬化评估系数大于或等于预设第二评估系数阈值时,则第二评估结果为严重;
S40:判断第一评估结果和第二评估结果是否一致,若是,则将第一评估结果或第二评估结果确定为目标评估结果,若否,则生成人工复检信息,基于第一评估结果和第二评估结果确定人工复检信息序列,人工复检信息序列包括第一序列、第二序列和第三序列;
具体地,当第一评估结果和第二评估结果一致,那么也就说明了在两种检测方式下得出的结果是一致的,这样证明了得出的结果是可靠的,因此并不需要人工进行再次的复检,直接将得出的结果作为目标评估结果,但是当第一评估结果和第二评估结果不一致,也就意味着得出的结果是不可靠的,极大可能出现了其中一个评估结果是准确的,而另一个评估结果是错误的,因此需要生成人工复检信息,专业的医师需要对评估结果进行复检,以此确定准确的评估结果;
基于第一评估结果和第二评估结果确定人工复检信息序列的方法包括:
获取h个人工复检信息以及对应的第一评估结果和第二评估结果,遍历h个人工复检信息,若第一评估结果或第二评估结果为严重,则将对应的人工复检信息确定为第一序列;
若第一评估结果或第二评估结果为中等,并且均不为严重,则将对应的人工复检信息确定为第二序列;
若第一评估结果或第二评估结果均不为严重,且不为中等,则将对应的人工复检信息确定为第三序列;
需要说明的是,由于医院中专业医师的人数有限,因此为了进一步提高专业医师的复检效率,需要将h个人工复检信息进行分级,专业医师根据第一序列、第二序列和第三序列依次进行复检,那么确定第一序列、第二序列和第三序列的逻辑则是,根据动脉硬化的严重程度进行分级,也是根据第一评估结果和第二评估结果进行分级,当第一评估结果或第二评估结果为严重,则表明动脉硬化较为严重,因此将对应的人工复检信息确定为第一序列,随后依次确定第二序列和第三序列,这样不仅先对动脉硬化的较为严重的患者进行了复检,而且提高了专业医师的复检效率。
实施例3
请参阅图3所示,本实施例公开提供了一种电子设备,包括电源、接口、键盘、存储器、中央处理器以及存储在存储器上并可在中央处理器上运行的计算机程序,所述中央处理器执行所述计算机程序时实现上述各方法所提供的任一项所述一种动脉硬化评估方法,所述接口包括网络接口与数据接口,网络接口包括有线或无线接口,数据接口包括输入或输出接口。
由于本实施例所介绍的电子设备为实施本申请实施例中一种动脉硬化评估方法所采用的电子设备,故而基于本申请实施例中所介绍的一种动脉硬化评估方法,本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式,所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中一种动脉硬化评估方法所采用的电子设备,都属于本申请所欲保护的范围。
实施例4
请参阅图4所示,本实施例公开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上存储有计算机程序,所述计算机程序被执行时实现上述一种动脉硬化评估方法。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数、权重以及阈值选取由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可意识到,结合本发明中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种动脉硬化评估系统,其特征在于,包括:
数据获取模块:用于通过目标血管的血液样本获取高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值,获取实时脉搏波传导速度以及实时血压,根据高密度脂蛋白HDL实时值、低密度脂蛋白LDL实时值、实时脉搏波传导速度以及实时血压生成硬化评估系数;
分类模块:用于获取目标血管的实时CT图像,根据实时CT图像生成目标狭窄区域面积,基于实时CT图像和预构建的斑块分类模型获得斑块分类结果,斑块分类结果包括稳定性斑块、易碎性斑块、钙化斑块和炎症性斑块;
评估结果生成模块:用于根据目标狭窄区域面积以及斑块分类结果确定第一评估结果,根据硬化评估系数确定第二评估结果,第一评估结果和第二评估结果均包括轻微、中等和严重;
复检确定模块:用于判断第一评估结果和第二评估结果是否一致,若是,则将第一评估结果或第二评估结果确定为目标评估结果,若否,则生成人工复检信息,基于第一评估结果和第二评估结果确定人工复检信息序列,人工复检信息序列包括第一序列、第二序列和第三序列。
2.根据权利要求1所述的一种动脉硬化评估系统,其特征在于,所述获取高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值的方法包括:
从目标血管相连的静脉中抽取血液样本,将收集的血液样本放入含有抗凝剂的试管中,离心处理血液样本以分离血浆,通过生化分析仪对血浆进行测定,以获得高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值。
3.根据权利要求2所述的一种动脉硬化评估系统,其特征在于,所述根据高密度脂蛋白HDL实时值、低密度脂蛋白LDL实时值、实时脉搏波传导速度以及实时血压生成硬化评估系数的方法包括:
ASI=;
式中,为高密度脂蛋白HDL实时值、/>为高密度脂蛋白HDL标准值,/>为实时脉搏波传导速度,/>为标准脉搏波传导速度,/>为实时血压,/>为标准血压,为低密度脂蛋白LDL实时值,/>为低密度脂蛋白LDL标准值,/>、/>、/>和/>均为权重系数。
4.根据权利要求1所述的一种动脉硬化评估系统,其特征在于,所述根据实时CT图像生成目标狭窄区域面积的方法包括:
通过调整患者与CT扫描仪之间的角度以获取r个实时CT图像,每个实时CT图像均生成初始狭窄区域面积,取r个初始狭窄区域面积中的最小值作为目标狭窄区域面积,r为大于1的整数。
5.根据权利要求4所述的一种动脉硬化评估系统,其特征在于,所述每个实时CT图像均生成初始狭窄区域面积的方法包括:
遍历r个实时CT图像,将实时CT图像进行去噪,通过区域生长和边缘检测对实时CT图像进行分割,识别分割后实时CT图像中的狭窄区域,根据图像处理软件获得初始狭窄区域面积。
6.根据权利要求1所述的一种动脉硬化评估系统,其特征在于,所述斑块分类模型的构建方法包括:
获取i组数据,i为大于1的正整数,数据包括历史CT图像和历史斑块分类结果,将历史CT图像和历史斑块分类结果作为样本集,将样本集划分为训练集和测试集,构建分类器,将训练集中的历史CT图像作为输入数据,将训练集中的历史斑块分类结果作为输出数据,对分类器进行训练,得到初始分类器,利用测试集对初始分类器进行测试,输出满足预设准确度的分类器作为斑块分类模型。
7.根据权利要求1所述的一种动脉硬化评估系统,其特征在于,所述根据目标狭窄区域面积以及斑块分类结果确定第一评估结果的方法包括:
当目标狭窄区域面积大于预设区域面积阈值,并且斑块分类结果为稳定性斑块或钙化斑块时,则第一评估结果为轻微;
当目标狭窄区域面积大于预设区域面积阈值,并且斑块分类结果为易碎性斑块或炎症性斑块时,则第一评估结果为中等;
当目标狭窄区域面积小于或等于预设区域面积阈值,并且斑块分类结果为稳定性斑块或钙化斑块时,则第一评估结果为中等;
当目标狭窄区域面积小于或等于预设区域面积阈值,并且斑块分类结果为易碎性斑块或炎症性斑块时,则第一评估结果为严重。
8.根据权利要求1所述的一种动脉硬化评估系统,其特征在于,所述根据硬化评估系数确定第二评估结果的方法包括:
当硬化评估系数小于预设第一评估系数阈值时,则第二评估结果为轻微;
当硬化评估系数大于或等于预设第一评估系数阈值,并且小于预设第二评估系数阈值时,则第二评估结果为中等;
当硬化评估系数大于或等于预设第二评估系数阈值时,则第二评估结果为严重。
9.根据权利要求1所述的一种动脉硬化评估系统,其特征在于,所述基于第一评估结果和第二评估结果确定人工复检信息序列的方法包括:
获取h个人工复检信息以及对应的第一评估结果和第二评估结果,遍历h个人工复检信息,若第一评估结果或第二评估结果为严重,则将对应的人工复检信息确定为第一序列;
若第一评估结果或第二评估结果为中等,并且均不为严重,则将对应的人工复检信息确定为第二序列;
若第一评估结果或第二评估结果均不为严重,且不为中等,则将对应的人工复检信息确定为第三序列。
10.一种动脉硬化评估方法,其基于权利要求1-9中任一项所述的一种动脉硬化评估系统实现,其特征在于,包括:
S10:通过目标血管的血液样本获取高密度脂蛋白HDL实时值和低密度脂蛋白LDL实时值,获取实时脉搏波传导速度以及实时血压,根据高密度脂蛋白HDL实时值、低密度脂蛋白LDL实时值、实时脉搏波传导速度以及实时血压生成硬化评估系数;
S20:获取目标血管的实时CT图像,根据实时CT图像生成目标狭窄区域面积,基于实时CT图像和预构建的斑块分类模型获得斑块分类结果,斑块分类结果包括稳定性斑块、易碎性斑块、钙化斑块和炎症性斑块;
S30:根据目标狭窄区域面积以及斑块分类结果确定第一评估结果,根据硬化评估系数确定第二评估结果,第一评估结果和第二评估结果均包括轻微、中等和严重;
S40:判断第一评估结果和第二评估结果是否一致,若是,则将第一评估结果或第二评估结果确定为目标评估结果,若否,则生成人工复检信息,基于第一评估结果和第二评估结果确定人工复检信息序列,人工复检信息序列包括第一序列、第二序列和第三序列。
11.一种电子设备,包括电源、接口、键盘、存储器、中央处理器以及存储在存储器上并可在中央处理器上运行的计算机程序,其特征在于,所述中央处理器执行所述计算机程序时实现权利要求10所述的一种动脉硬化评估方法,所述接口包括网络接口与数据接口,网络接口包括有线或无线接口,数据接口包括输入或输出接口。
12.一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上存储有计算机程序,所述计算机程序被执行时实现权利要求10所述一种动脉硬化评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410332167.1A CN117936102B (zh) | 2024-03-22 | 2024-03-22 | 一种动脉硬化评估系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410332167.1A CN117936102B (zh) | 2024-03-22 | 2024-03-22 | 一种动脉硬化评估系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117936102A true CN117936102A (zh) | 2024-04-26 |
CN117936102B CN117936102B (zh) | 2024-05-24 |
Family
ID=90757821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410332167.1A Active CN117936102B (zh) | 2024-03-22 | 2024-03-22 | 一种动脉硬化评估系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117936102B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08266489A (ja) * | 1995-03-29 | 1996-10-15 | Nippon Ham Kk | 動脈硬化部位の検出方法 |
US20040133100A1 (en) * | 2002-08-23 | 2004-07-08 | Morteza Naghavi | Novel risk assessment method based upon coronary calcification distribution pattern imaged by computed tomography |
US20050228303A1 (en) * | 2004-04-13 | 2005-10-13 | Colin Medical Technology Corporation | Method and apparatus for examining vascular endothelial functions |
US20160235373A1 (en) * | 2015-02-13 | 2016-08-18 | Siemens Aktiengesellschaft | Plaque vulnerability assessment in medical imaging |
CN106372654A (zh) * | 2016-08-29 | 2017-02-01 | 滕忠照 | 一种由头颈动脉粥样硬化斑块引起的脑梗死风险的评估方法 |
WO2017116074A1 (ko) * | 2015-12-29 | 2017-07-06 | 서울대학교산학협력단 | 적응적 임계값 영상분할을 이용한 ct 영상 동맥경화반 용적 측정방법 및 장치 |
CN110600126A (zh) * | 2019-09-19 | 2019-12-20 | 江苏大学附属医院 | 一种糖尿病足下肢动脉钙化斑块图像的辅助评价方法 |
CN111261279A (zh) * | 2019-11-06 | 2020-06-09 | 浙江大学 | 一种针对普通人群的颈动脉硬化与颈动脉斑块预测模型的建立方法 |
CN111951956A (zh) * | 2020-08-14 | 2020-11-17 | 江苏师范大学 | 一种基于支持向量机与血压校正的动脉硬化程度检测方法 |
CN216004819U (zh) * | 2021-10-11 | 2022-03-11 | 南京科进实业有限公司 | 用于收纳血压袖带管路的管理机构及动脉硬化检测仪 |
CN114652353A (zh) * | 2020-12-23 | 2022-06-24 | 深圳迈瑞生物医疗电子股份有限公司 | 超声成像系统以及颈动脉斑块稳定性评估方法 |
CN114743671A (zh) * | 2022-02-28 | 2022-07-12 | 浙江大学 | 一种早期动脉硬化风险评估模型装置 |
CN114913977A (zh) * | 2021-12-23 | 2022-08-16 | 中国医科大学附属盛京医院 | 一种糖尿病足风险评估方法、装置、设备及存储介质 |
CN115112908A (zh) * | 2022-08-03 | 2022-09-27 | 南京中医药大学 | 亚临床动脉硬化的早期评估方法 |
CN116128828A (zh) * | 2022-12-30 | 2023-05-16 | 上海联影医疗科技股份有限公司 | 斑块的评估方法、系统、电子设备和介质 |
CN117116481A (zh) * | 2023-08-04 | 2023-11-24 | 浙江劲膳美生物科技有限责任公司 | 血脂异常评估模型构建方法、膳食食疗及健康管理系统 |
CN117524487A (zh) * | 2024-01-04 | 2024-02-06 | 首都医科大学附属北京天坛医院 | 基于人工智能的动脉硬化斑块风险评估的方法及系统 |
-
2024
- 2024-03-22 CN CN202410332167.1A patent/CN117936102B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08266489A (ja) * | 1995-03-29 | 1996-10-15 | Nippon Ham Kk | 動脈硬化部位の検出方法 |
US20040133100A1 (en) * | 2002-08-23 | 2004-07-08 | Morteza Naghavi | Novel risk assessment method based upon coronary calcification distribution pattern imaged by computed tomography |
US20050228303A1 (en) * | 2004-04-13 | 2005-10-13 | Colin Medical Technology Corporation | Method and apparatus for examining vascular endothelial functions |
US20160235373A1 (en) * | 2015-02-13 | 2016-08-18 | Siemens Aktiengesellschaft | Plaque vulnerability assessment in medical imaging |
WO2017116074A1 (ko) * | 2015-12-29 | 2017-07-06 | 서울대학교산학협력단 | 적응적 임계값 영상분할을 이용한 ct 영상 동맥경화반 용적 측정방법 및 장치 |
CN106372654A (zh) * | 2016-08-29 | 2017-02-01 | 滕忠照 | 一种由头颈动脉粥样硬化斑块引起的脑梗死风险的评估方法 |
CN110600126A (zh) * | 2019-09-19 | 2019-12-20 | 江苏大学附属医院 | 一种糖尿病足下肢动脉钙化斑块图像的辅助评价方法 |
CN111261279A (zh) * | 2019-11-06 | 2020-06-09 | 浙江大学 | 一种针对普通人群的颈动脉硬化与颈动脉斑块预测模型的建立方法 |
CN111951956A (zh) * | 2020-08-14 | 2020-11-17 | 江苏师范大学 | 一种基于支持向量机与血压校正的动脉硬化程度检测方法 |
CN114652353A (zh) * | 2020-12-23 | 2022-06-24 | 深圳迈瑞生物医疗电子股份有限公司 | 超声成像系统以及颈动脉斑块稳定性评估方法 |
CN216004819U (zh) * | 2021-10-11 | 2022-03-11 | 南京科进实业有限公司 | 用于收纳血压袖带管路的管理机构及动脉硬化检测仪 |
CN114913977A (zh) * | 2021-12-23 | 2022-08-16 | 中国医科大学附属盛京医院 | 一种糖尿病足风险评估方法、装置、设备及存储介质 |
CN114743671A (zh) * | 2022-02-28 | 2022-07-12 | 浙江大学 | 一种早期动脉硬化风险评估模型装置 |
CN115112908A (zh) * | 2022-08-03 | 2022-09-27 | 南京中医药大学 | 亚临床动脉硬化的早期评估方法 |
CN116128828A (zh) * | 2022-12-30 | 2023-05-16 | 上海联影医疗科技股份有限公司 | 斑块的评估方法、系统、电子设备和介质 |
CN117116481A (zh) * | 2023-08-04 | 2023-11-24 | 浙江劲膳美生物科技有限责任公司 | 血脂异常评估模型构建方法、膳食食疗及健康管理系统 |
CN117524487A (zh) * | 2024-01-04 | 2024-02-06 | 首都医科大学附属北京天坛医院 | 基于人工智能的动脉硬化斑块风险评估的方法及系统 |
Non-Patent Citations (6)
Title |
---|
AMY S. SHAH;等: "Superiority of Lipoprotein Particle Number to Detect Associations with Arterial Thickness and Stiffness in Obese Youth with and without Pre-diabetes", JOURNAL OF CLINICAL LIPIDOLOGY, vol. 01, no. 07, 31 December 2016 (2016-12-31), pages 1 - 27 * |
古丽尼沙・吾布力卡斯木;: "血脂正常患者颈动脉斑块与血脂、脂蛋白、载脂蛋白关系的研究", 中国医学创新, vol. 09, no. 25, 5 September 2012 (2012-09-05), pages 32 - 33 * |
张宏;等: "应用脉搏波传导速度评估高脂血症患者颈动脉弹性的意义", 中国医学装备, vol. 12, no. 12, 15 December 2015 (2015-12-15), pages 90 - 92 * |
罗健康;等: "原发性高血压患者血尿酸与大动脉硬化的相关性及其性别差异", 医学临床研究, vol. 25, no. 10, 26 October 2008 (2008-10-26), pages 1834 - 1836 * |
陆红红;等: "中青年原发性高血压患者单核细胞与高密度脂蛋白胆固醇比值及血流介导的血管舒张功能与动脉硬化的关系", 中华高血压杂志, vol. 31, no. 07, 31 July 2023 (2023-07-31), pages 642 - 648 * |
靳松;等: "16层螺旋CT血管造影评价颈动脉狭窄影像学研究", 中国现代神经疾病杂志, vol. 06, no. 05, 16 October 2006 (2006-10-16), pages 398 - 403 * |
Also Published As
Publication number | Publication date |
---|---|
CN117936102B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Caussy et al. | Noninvasive, quantitative assessment of liver fat by MRI‐PDFF as an endpoint in NASH trials | |
Paige et al. | A pilot comparative study of quantitative ultrasound, conventional ultrasound, and MRI for predicting histology-determined steatosis grade in adult nonalcoholic fatty liver disease | |
Ferraioli et al. | US attenuation for liver fat quantification: an AIUM-RSNA QIBA pulse-echo quantitative ultrasound initiative | |
JP2019171151A (ja) | 脈管構造を数値的に評価するためのシステムおよび方法 | |
US8977339B1 (en) | Method for assessing stenosis severity through stenosis mapping | |
EP2925216B1 (en) | Stenosis therapy planning | |
US11195278B2 (en) | Fractional flow reserve simulation parameter customization, calibration and/or training | |
CN105051784A (zh) | 对模拟准确度和性能的图像质量评估 | |
US8805043B1 (en) | System and method for creating and using intelligent databases for assisting in intima-media thickness (IMT) | |
CN109688908B (zh) | 用于确定血流储备分数的装置和方法 | |
US20080279435A1 (en) | Automated Calcium Scoring of the Aorta | |
US7436990B2 (en) | Blood flow dynamic analyzer and its method, and image diagnostic apparatus | |
Yost et al. | Acoustic characterization of axial flow left ventricular assist device operation in vitro and in vivo | |
Zhuang et al. | [Retracted] Diagnosis of Chronic Kidney Disease by Three‐Dimensional Contrast‐Enhanced Ultrasound Combined with Augmented Reality Medical Technology | |
EP1629434A2 (en) | Computation of wall thickness | |
CN117936102B (zh) | 一种动脉硬化评估系统及方法 | |
WO2011139232A1 (en) | Automated identification of adipose tissue, and segmentation of subcutaneous and visceral abdominal adipose tissue | |
CN115516498A (zh) | 由非侵入性放射学成像对肝病严重程度自动分类 | |
JP7210175B2 (ja) | 医用情報処理装置、医用情報処理システム及び医用情報処理プログラム | |
CN108720870A (zh) | 一种基于超声衰减系数的脂肪肝检测系统 | |
Huang et al. | Determining the ideal measurement site and respiratory condition for liver transient elastography: toward clinical practice standardization | |
US11995831B2 (en) | Method and apparatus for optimizing the use of contrast agents during medical imaging | |
US10747847B2 (en) | Medical image diagnosis apparatus, server and control method | |
Maryani et al. | Accuracy of Prostate Volume Measurement on 2d Transabdominal USG Modality Using the Gradient Vector Flow (GVF) Segmentation Application Measurement Technique | |
US20230380810A1 (en) | Ultrasonic imaging system and ultrasonic imaging method |
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 |