[发明专利]基于人工智能的颅内动脉瘤风险预测方法及相关装置

权利要求书

1.一种基于人工智能的颅内动脉瘤风险预测方法，其特征在于，所述方法包括：

获取待预测医学影像；所述待预测医学影像中至少包含动脉瘤的图形信息；

基于预设的特征分割模型对所述待预测医学影像进行分割，获得动脉瘤三维影像；所述动脉瘤三维影像中包含所述动脉瘤的图形；

对所述动脉瘤的图形进行测量，获得动脉瘤的特征数据；

将所述动脉瘤的特征数据和预设的结构化特征数据输入预设的破裂风险预测模型进行预测，以得到破裂风险数据；

基于所述动脉瘤三维影像、所述动脉瘤的特征数据和所述破裂风险数据，生成医学诊断报告。

2.根据权利要求1所述的基于人工智能的颅内动脉瘤风险预测方法，其特征在于，获取待预测医学影像的步骤，包括：

获取源医学影像；所述源医学影像具有第一图像格式；

将所述第一图像格式转化为第二图像格式，获得所述待预测医学影像。

3.根据权利要求2所述的基于人工智能的颅内动脉瘤风险预测方法，其特征在于，将所述第一图像格式转化为第二图像格式，获得所述待预测医学影像之前，还包括：

对所述源医学影像进行预处理。

4.根据权利要求1所述的基于人工智能的颅内动脉瘤风险预测方法，其特征在于，所述基于预设的特征分割模型对所述待预测医学影像进行分割，获得动脉瘤三维影像，包括：

采用图像识别模型对所述待预测医学影像进行维分割，获得所述动脉瘤三维影像。

5.根据权利要求1所述的基于人工智能的颅内动脉瘤风险预测方法，其特征在于，所述预设的结构化特征数据包括以下任意一种及组合：性别、年龄、动脉瘤破裂史、症状特征、多发动脉瘤、家族史、吸烟、饮酒、高血脂、高血压、糖尿病及冠心病。

6.根据权利要求1所述的基于人工智能的颅内动脉瘤风险预测方法，其特征在于，所述特征数据包括以下任意一种及组合：动脉瘤的长径、宽度、高度、横径、长宽比、最长直径；瘤颈直径、横径、体积、瘤颈面积、入射角及动脉瘤角度；载瘤动脉近端直径、载瘤动脉远端直径、载瘤动脉平均直径及载动脉瘤长度。

7.一种基于人工智能的颅内动脉瘤风险预测装置，其特征在于，包括：

获取模块，用于获取待预测医学影像；所述待预测医学影像中至少包含动脉瘤的图形信息；

动脉瘤分割模块，用于基于预设的特征分割模型对所述待预测医学影像进行分割，获得动脉瘤三维影像；所述动脉瘤三维影像中包含所述动脉瘤的图形；

测量模块，用于对所述动脉瘤的图形进行测量，获得动脉瘤的特征数据；

破裂风险预测模块，用于将所述动脉瘤的特征数据和预设的结构化特征数据输入预设的破裂风险预测模型进行预测，以得到破裂风险数据；

生成模块，用于基于所述动脉瘤三维影像、所述动脉瘤的特征数据和所述破裂风险数据，生成医学诊断报告。

8.根据权利要求7所述的基于人工智能的颅内动脉瘤风险预测装置，其特征在于，所述获取模块包括格式转换单元，所述格式转换单元，用于获取源医学影像；所述源医学影像具有第一图像格式；将所述第一图像格式转化为第二图像格式，获得所述待预测医学影像。

9.一种电子设备，其特征在于，包括：包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序以实现权利要求1-6任意一项所述的基于人工智能的颅内动脉瘤风险预测方法。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行实现权利要求1-6任意一项所述的基于人工智能的颅内动脉瘤风险预测方法。