一种基于影像特征识别的急性脑出血预测系统及方法

本发明涉及影像特征识别，具体为一种基于影像特征识别的急性脑出血预测系统及方法。

背景技术：

1、急性脑出血就是突发脑出血，是脑血管突然破裂导致的，大多数与高血压有关，也有一些是因为脑动脉瘤破裂和脑血管畸形引起，主要表现为突发剧烈头痛、恶心呕吐、肢体偏瘫等，严重的会出现突发昏迷、瞳孔散大，危及生命，通过颅脑ct检查能够看到脑实质内有高密度团块样影，医生通过急性脑出血的影像作出诊断；

2、而现有技术对急性脑出血当前病情的预测系统与方法，还存在许多不足，例如：

3、1、缺乏对急性脑出血后续病情的蔓延预测，缺乏对关键信息的识别分析，对所提取的病状特征难以作出进一步的分析诊断，对当前治疗缺乏辅助帮助，无法通过匹配历史病例数据为当前病例提供参考依据，难以提供有价值的预测图像数据；

4、2、难以将当前病例的基础病数据与历史病例的基础病数据进行关联分析，无法对后续可能出现的并发症的进行判断，对后续患者的治疗和护理缺乏指导建议，容易出现关键信息的遗失，造成治疗延缓。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术所存在的上述缺点，本发明提供了一种基于影像特征识别的急性脑出血预测系统及方法，能够有效地解决现有技术的急性脑出血预测系统及方法缺乏对急性脑出血后续病情的蔓延预测，缺乏对关键信息的识别分析，对所提取的病状特征难以作出进一步的分析诊断，对当前治疗缺乏辅助帮助，无法通过匹配历史病例数据为当前病例提供参考依据，难以提供有价值的预测图像数据，难以将当前病例的基础病数据与历史病例的基础病数据进行关联分析，无法对后续可能出现的并发症的进行判断，对后续患者的治疗和护理缺乏指导建议，容易出现关键信息的遗失，造成治疗延缓的问题。

3、(二)技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：

5、一种基于影像特征识别的急性脑出血预测系统，包括：

6、控制单元，作为全局功能模块的操控端，进行运行指令的编辑与发送，控制系统的启停；

7、图像获取单元，用于获取病情图像数据，进行特征的提取与识别；

8、所述图像获取单元包括图像采集模块、特征提取模块和识别模块，其中：

9、图像采集模块，用于采集病情状况明显的图像数据，进行记录；

10、特征提取模块，用于提取图像数据特征，获取出血形状与面积特征、获取图像体素强度分布情况、病灶纹理特征和小波特征；

11、识别模块，用于对获取的特征数据进行识别与分析，转化为适配格式的识别参数；

12、存储模块，作为系统的存储端，记录所有采集、分析与导入数据，并周期性上传数据至云端数据库；

13、决策单元，用于判断历史病例基础病与当前病例基础病的一致性，提供并发症的预测数据；

14、匹配模块，用于获取识别参数，在存储模块内进行关联病例数据的匹配，获取参数命中篇幅符合提取资格的若干组图像数据；

15、比对模块，用于将采集图像分别与每组获取图像进行逐一比对分析；

16、标记模块，用于对每组获取图像与采集图像的差异值与命中值进行分别标记，获取若干组数据集；

17、预估模块，用于搭建并运行预估模型，获取差异值与命中值因素，对急性出血的蔓延趋势进行预估；

18、所述预估模块包括评定模块、图像输出模块和参数设定模块，其中：

19、评定模块，用于获取识别参数，搭建并运行预估模型，对若干组数据集内的差异值与命中值进行逐一单组提取，在单一组内，依据所标记命中值初步分析脑出血蔓延趋势，独立分析差异值，并输入预估模型，进行差异处预估，获取差异处的预估参数参与脑出血蔓延趋势的综合评定，计算初步预估值，经过若干组数据集的训练与验证，获取最终预估值；

20、图像输出模块，用于获取预估值数据，并转化为二维与三维预测图像数据；

21、参数设定模块，用于人工介入数据参数的编辑调整。

22、更进一步地，所述特征提取模块获取的出血形状与面积特征，用以描述出血三维空间信息，其包括：最大径、表面积、体积、体积比和紧密度。

23、更进一步地，所述特征提取模块获取的病灶纹理特征从灰度共生矩阵特征和灰度游程长度矩阵特征进行纹理描述。

24、更进一步地，所述特征提取模块获取的小波特征通过分解原始图像的纹理信息得到高频或低频的采样图像。

25、更进一步地，所述存储模块的数据上传周期由人工自定义设定，设定属性包括时段与数据接收频次。

26、更进一步地，所述决策单元包括索引模块、导入模块和判断模块，其中：

27、索引模块，用于获取数据库的历史病例数据，提取基础病及相关并发症数据；

28、导入模块，用于导入当前病例的基础病数据，支持远程导入与在线编辑；

29、判断模块，用于结合分析导入数据与历史病例数据的关联性，将基础病作为变量，判断当前病例可能引起的并发症；

30、其中，所述判断模块的判断数据跟随图像输出模块的图像输出结果同步递交，所述索引模块、导入模块和判断模块通过无线网络交互连接。

31、更进一步地，所述标记模块中的若干组数据集按获取时间排序，前四分之三作为训练集，后四分之一作为验证集，作为评定模块的评定参照。

32、更进一步地，所述控制单元与存储模块通过无线网络交互连接，所述图像获取单元、存储模块、标记模块、预估模块和控制单元通过无线网络交互连接，所述存储模块与匹配模块通过电信号通讯连接，所述匹配模块与比对模块通过电信号通讯连接，所述比对模块与标记模块通过电信号通讯连接，所述标记模块与控制单元通过无线网络交互连接，所述存储模块与决策单元通过无线网络交互连接，所述图像采集模块、特征提取模块与识别模块通过电信号通讯连接，所述评定模块、图像输出模块和参数设定模块通过电信号通讯连接。

33、一种基于影像特征识别的急性脑出血预测方法，包括以下步骤：

34、step1：获取出血趋势最明显的图像数据，进行病灶分割，获取出血形状与面积特征，描述出血三维空间信息；

35、step2：获取图像体素强度分布情况，获取病灶纹理特征，描述灰度的空间相关特性或体素强度的空间分布，提供图像上不同灰度级的相对位置信息，获取小波特征，分解原始图像的纹理信息得到高频或低频的采样图像；

36、step3：获取特征识别参数，遍历数据库，通过识别参数进行库内匹配，获取参数命中篇幅符合提取资格的若干组图像数据，将采集图像分别与每组获取图像进行比对，分别标记每组获取图像与采集图像的差异值与命中值；

37、step4：搭建预估模型，调整病情参数，输入参数并运行，依据所标记命中值初步分析脑出血蔓延趋势，独立分析差异值，并输入预估模型，进行差异处预估，获取参数参与脑出血蔓延趋势的综合评定，计算预估值，并输出二、三维预测图像；

38、step5：将匹配所得的若干组数据集分为ab两组，a组占比四分之三，将a组作为训练组，b组作为验证组，获取所有预估值与二、三维预测图像，在预估模型内统一分析，获取关联度最高的预估值，并输出最终二、三维预测图像。

39、更进一步地，所述step3中提取资格的设定方式为：程序编辑与人工编辑相结合。

40、(三)有益效果

41、采用本发明提供的技术方案，与已知的现有技术相比，具有如下有益效果，

42、1、本发明通过设置有预测急性脑出血病情蔓延趋势的措施，对重要病情图像进行关键信息特征的提取，并进行识别和分析，在数据库内提取关联度较高的历史病例数据，作为参照物，进行逐一的比对分析，针对差异值与命中值进行独立分析，并最终通过多组数据不断训练预估模型，进而得出最终的预估值，对急性脑出血的病情蔓延趋势进行预测，并输出二维与三维图像作为参照依据，进而有效完成对急性脑出血后续病情的蔓延预测，准确识别关键信息，便于对所提取的病状特征作出进一步的分析诊断，通过匹配历史病例数据为当前病例提供参考依据，并提供有价值的预测图像数据，帮助完成对急性脑出血患者的治疗。

43、2、本发明通过设置有预测当前病例的基础病而可能导致的并发症的措施，通过导入当前病例的基础病数据，进而在历史病例中索引，寻找契合度较高的病例，通过分析历史病例的病情数据，进而验证当前病例可能诱发的并发症，从而将当前病例的基础病数据与历史病例的基础病数据进行关联分析，对后续可能出现的并发症进行判断，为后续患者的治疗和护理提供指导建议，可降低人为诊治时的误差，防止出现关键信息的遗失，避免造成治疗延缓的情况。