(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211147309.4 (22)申请日 2022.09.20 (71)申请人 同心智医科技 （北京） 有限公司 地址 100089 北京市海淀区王庄路1号院清 华同方科技大厦D座23层2301-1、 2301-2号 (72)发明人 刘伟奇　马学升　陈金钢　徐鹏　 赵友源　陈磊　庞盼　 (74)专利代理 机构 北京知果之信知识产权代理 有限公司 1 1541 专利代理师 苏利 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/26(2022.01) G06V 20/64(2022.01)G06V 10/34(2022.01) G06V 10/82(2022.01) G06V 10/764(2022.01) (54)发明名称 基于机器学习的腹主动脉瘤破裂风险的预 测系统 (57)摘要 本申请公开了基于机器学习的腹主动脉瘤 破裂风险的预测系统， 其中所述系统包括病灶区 域3D重建模型模块， 形态学参数模块， 有限元素 分析模块， 血流动力学参数模块， 临床数据模块， 机器学习模块。 通过本申请建立机器学习模型， 融入多种因素预测AAA破裂风险， 实现了对腹主 动脉瘤破裂风险的预测。 权利要求书2页 说明书10页 附图3页 CN 115546123 A 2022.12.30 CN 115546123 A 1.一种基于 机器学习的腹主动脉瘤破裂风险的预测系统， 其特 征在于， 所述系统包括： 病灶区域3D重建模型模块， 用于对医学影像数据进行图像分割后， 建立腹主动脉瘤的 3D模型； 形态学参数模块， 用于根据所述病灶区域3D重建模型模块， 确定所述腹主动脉瘤的形 态学指标， 所述形态学指标至少包括如下之一： 腹主动脉的形状、 腹主动脉的大小； 有限元素分析模块， 用于根据所述病灶区域3D重建模型模块， 确定所述腹主动脉瘤的 壁应力和/或腹主动脉瘤的应 变结果室壁厚度； 血流动力学参数模块， 用于根据所述病灶区域3D重建模型模块以及所述有限元素分析 模块， 建立主动脉瘤破裂的临界状态分析模型， 所述临界状态用于表征所述主动脉瘤壁内 的应力超过组织的抗拉强度的状态； 临床数据模块， 用于采集患者的健康 记录数据和/或生活习惯数据； 机器学习模块， 用于根据所述形态学参数模块、 所述血流动力学参数模块以及所述临 床数据模块， 建立机器学习模型， 用以预测腹主动脉瘤破裂风险。 2.根据权利要求1所述的系统， 其特 征在于， 所述病灶区域3D重建模型模块， 还用于 通过医学影 像数据中扫描矩阵或切片厚度的增强CTA获得DICOM格式的图像； 将所述DICOM格式图像导入VESSEG模型对图像进行分割， 所述分割结果包括至少包括 如下之一： 流明分割 、 外壁分割 、 内壁分割； 识别并分割所述腹主动脉中每个横截面的管腔、 外壁、 内壁边界的形态， 并计算出形态 对应的相关参数。 3.根据权利要求1所述的系统， 其特征在于， 所述有限元素分析模块， 还用于， 根据FEA 模型， 对具有均匀壁厚或患者特定壁厚变化的血 管管系统进行建模。 4.根据权利要求3所述的系统， 其特 征在于， 所述系统还 包括几何量 化模块， 还用于 计算用于表征每个腹主动脉瘤的大小、 形状以及壁厚的指标， 将分割图图像经过几何 量化后得到定量几何特征， 其中所述指标至少包括如下之一： 腹主动脉瘤3D尺 寸、 腹主动脉 瘤形状特 征， 腹主动脉瘤的表面曲率、 量 化腹主动脉瘤的壁厚分布。 5.根据权利要求1所述的系统， 其特 征在于， 所述血流动力学参数模块， 还用于 利用管腔内的壁应力预测腹主动脉瘤的破裂； 根据下述公式计算腹动脉瘤壁 运动与血流的耦合 通畅： 其中， ρf、 P、 u、 ug分别代表流体密度、 压力、 流体速度以及移动坐标速度， u ‑ ug代表流体相对于移动坐标的相对速度。 6.根据权利要求1所述的系统， 其特 征在于， 所述机器学习模块， 还用于 使用Bestfirst进行特征选择， 所述特征至少包括如下之一： 最大直径、 血管壁的峰值 应力、 腹主动脉瘤的扩张速度、 高血压的存在、 基于流动介导的扩张、 凸起位置、 血管壁的峰 值应力位置、 心房颤动的存在、 慢性阻塞性肺疾病的存在、 腹部肿瘤的存在、 血管紧张素转 化酶的量、 吸烟状况、 性别。 7.根据权利要求2所述的系统， 其特征在于， 所述病灶区域3D重建模型模块， 还用于将权　利　要　求　书 1/2 页 2 CN 115546123 A 2所述DICOM格式图像导入VES SEG模型对图像进行流明分割， 通过手动选择管腔内的单个样本点， 之后通过检测数据集中每个图像的梯度来识别管 腔边界； 从原始图像计算梯度图像， 并初始化默认阈值水平以确定梯度图像大于阈值的区域， 然后将包 含样本点的最大 连接区域标记为 流明区域； 根据先前分割的平均值验证第一个切片之后， 再对每个切片进行分割， 并在需要时自 动修改阈值。 8.根据权利要求1所述的系统， 其特征在于， 所述病灶区域3D重建模型模块， 还用于将 所述DICOM格式图像导入VES SEG模型对图像进行外壁分割， 先通过中值滤波器裁 剪图像到 接近瘤体的区域， 作为中值图像； 然后使用平均滤波器对所述中值图像进行平 滑处理； 最后采用轮廓函数， 生成图像强度的轮廓或等 值线阵列， 并从可能的轮廓中进行选择。 9.根据权利要求1所述的系统， 其特征在于， 所述病灶区域3D重建模型模块， 还用于将 所述DICOM格式图像导入VES SEG模型对图像进行内壁分割， 使用平面fieldi ng增强输入图像的对比度； 将输入图像采用两种分割算法分别并行处理， 一端采用强度直方图且另一端采用根据 图像集自身特 征训练的神经网络 。 10.根据权利要求5所述的系统， 其特征在于， 所述血流动力学参数模块， 还用于其他参 数以及所述利用管腔 内的壁应力， 预测腹主动脉瘤的破裂， 其中其他参数至少包括如下之 一： 管壁抗拉强度、 动脉瘤长度、 患者特有的搏动速度、 压力边界条件。权　利　要　求　书 2/2 页 3 CN 115546123 A 3