[发明专利]一种脑动脉闭塞人工智能辅助决策系统

权利要求书

1.一种脑动脉闭塞人工智能辅助决策系统，包括：

采集数据的数据采集模块；

与采集模块连接，分析数据并分别提取急性和非急性脑动脉闭塞数据特征的智能数据特征提取模块，所述智能数据特征提取模块的输入数据是基于数据类型匹配的要求进行输入的，以根据所述智能数据特征提取模块输入的数据确定脑动脉闭塞的临床症状类型；

其特征在于，还包括与所述智能数据特征提取模块相连，对异构特征进行融合分析的异构特征融合分析模块,所述异构特征融合分析模块中，包括急性闭塞诊疗决策系统及非急性闭塞诊疗决策系统，所述急性闭塞诊疗决策系统及所述非急性闭塞诊疗决策系统均包括智能诊断模型、预后预测模型和治疗辅助决策模型，所述智能诊断模型读取语义病理参数，结合疾病分类结果，生成结构化诊断报告；

所述预后预测模型读取疾病分类结果，结合语义病理参数，在统计疾病分类结果后，结合语义病理参数，生成mRS评分；

所述治疗辅助决策模型中包含医学影像人工智能网络，使用统计方法输出最优建议治疗方式，所述治疗辅助决策模型中，包括非急性治疗辅助决策子模型和急性治疗辅助决策子模型；

所述急性闭塞诊疗决策系统的智能诊断模型、预后预测模型和治疗辅助决策模型的输入均为ASPECT评分结果、Tan评分结果、核心梗死结果和半暗带结果及结构化病例信息，所述急性闭塞诊疗决策系统中智能诊断模型的输出为闭塞部位、侧支循环分级、ASPECT评分及CTP定量评估，所述急性闭塞诊疗决策系统中预后预测模型的输出为mRS评分，基于所述急性闭塞诊疗决策系统中诊疗辅助决策模型的输出及所述急性闭塞诊疗决策系统中预后预测模型输出的mRS评分，输出急性脑动脉瘤闭塞的诊疗方案；所述非急性闭塞诊疗决策系统的智能诊断模型、预后预测模型和治疗辅助决策模型的输入均为结构化病例信息、ASPECT评分结果和ASITN/SIR侧支评分、良性半暗带和恶性半暗带、斑块类型、稳定性和形态、闭塞分类类型，所述非急性闭塞诊疗决策系统中智能诊断模型的输出为闭塞部位、侧支循环分级、CTP定量评估、斑块性质及闭塞分型，所述非急性闭塞诊疗决策系统中预后预测模型的输出为mRS评分，基于所述非急性闭塞诊疗决策系统中治疗辅助决策模型的输出及所述非急性闭塞诊疗决策系统中预后预测模型输出的mRS评分，输出非急性脑动脉瘤闭塞的诊疗方案；

所述智能数据特征提取模块包括诊疗所需特征输出和常规分类输出，所述诊疗所需特征输出内容为经识别后得出的疾病分类结果和计算所得的病理参数，所述诊疗所需特征输出内容包括：基于CT获取的ASPECT评分结果、基于sCTA获取的Tan评分结果、基于CTP获取的核心梗死和半暗带结果、基于mCTA/dCTA获取的ASPECT评分结果和ASITN/SIR侧支评分、基于CTP获取的良性半暗带和恶性半暗带、基于高分核磁及sCTA获取的斑块类型、稳定性和形态、基于DSA和MRA获取的闭塞分类类型，所述常规分类输出内容为电子病例经识别后获取的结构化临床病历信息特征。

2.根据权利要求1所述的脑动脉闭塞人工智能辅助决策系统，其特征在于，所述非急性治疗辅助决策子模型中预置有医学图像定量分析模块，非急性治疗辅助决策子模型使用所述医学图像定量分析模块输出的特征信息，结合当前病例的语义病理参数和临床特征信息，对人工智能网络进行训练。

3.根据权利要求2所述的脑动脉闭塞人工智能辅助决策系统，其特征在于，所述人工智能网络至少包括两种不同的网络结构，至少两种不同的网络结构通过随机采样器在训练集中随机选取数据作为输入，对人工智能网络进行训练。

4.根据权利要求1所述的脑动脉闭塞人工智能辅助决策系统，其特征在于，所述急性治疗辅助决策子模型中预置有医学图像定量分析模块，急性治疗辅助决策子模型使用所述医学图像定量分析模块输出的特征信息，结合当前病例的临床特征信息，对人工智能网络进行训练。

5.根据权利要求4所述的脑动脉闭塞人工智能辅助决策系统，其特征在于，所述人工智能网络至少包括两种不同的网络结构，至少两种不同的网络结构通过随机采样器在训练集中随机选取数据作为输入，对人工智能网络进行训练。

6.根据权利要求3或5中任意一项所述的脑动脉闭塞人工智能辅助决策系统，其特征在于，不同网络结构的推理结果被输入进统计模块中，由所述统计模块对结果使用投票器进行统计后，输出最优建议治疗方式。