经颈静脉肝内门体分流术后肝性脑病预测方法和系统与流程

本发明涉及智能医疗，尤其涉及一种经颈静脉肝内门体分流术后肝性脑病预测方法和系统。

背景技术：

1、肝硬化可引发门脉高压，从而导致食管胃底静脉曲张破裂出血和难治性腹水。经颈静脉肝内门体分流术(tips)可有效降低门脉高压，是可用于治疗上述出血和腹水的微创性根治手段。但是tips术后可能会导致显性肝性脑病，如何准确预测显性肝性脑病是tips临床应用中亟待解决的问题。

2、相关技术中，预测tips术后是否有可能发生肝性脑病一般基于患者的临床指标或者影像2d层面的肝脏相关形态指标进行肝性脑病判断。然而，肝脏相关形态指标在单个2d层面上进行人工测量获取，在指标选择偏倚、评估全面性、时间人力成本等方面均有局限性，且未能考虑到门脉高压相关的脾脏改变，从而导致经颈静脉肝内门体分流术后肝性脑病预测准确性低。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种经颈静脉肝内门体分流术后肝性脑病预测方法和系统，能够提高经颈静脉肝内门体分流术后肝性脑病预测的准确性。

2、一方面，本发明实施例提供了一种经颈静脉肝内门体分流术后肝性脑病预测方法，包括以下步骤：

3、获取肝脾部位三维扫描模型；

4、通过深度神经网络对所述肝脾部位三维扫描模型进行分割操作，得到肝脏部位三维模型和脾脏三维模型；

5、分别对所述肝脏部位三维模型和所述脾脏三维模型进行形态学分析，得到第一肝脏形态特征和第一脾脏形态特征；

6、通过门静脉几何特征对所述第一肝脏形态特征中的原始肝脏体积进行标准化，得到第二肝脏形态特征；

7、通过脾静脉几何特征对所述第一脾脏形态特征中的原始脾脏体积进行标准化，得到第二脾脏形态特征；

8、根据所述第二肝脏形态特征和所述第二脾脏形态特征得到肝脾形态学特征；

9、对所述肝脾部位三维扫描模型进行高维影像组学特征分析，得到肝脾高维影像组学特征；

10、根据所述肝脾形态学特征和所述肝脾高维影像组学特征进行分类预测，得到经颈静脉肝内门体分流术后肝性脑病发生概率。

11、根据本发明一些实施例，所述分别对所述肝脏部位三维模型和所述脾脏三维模型进行形态学分析，得到第一肝脏形态特征和第一脾脏形态特征，包括以下步骤：

12、分别对所述肝脏部位三维模型和所述脾脏三维模型进行形态学的体积特征分析，得到原始肝脏体积、原始脾脏体积和肝脏阳性凹陷体积；

13、分别对所述肝脏部位三维模型和所述脾脏三维模型进行形态学的ct值特征分析，得到第一肝脏ct值特征和第一脾脏ct值特征，其中，所述第一肝脏ct值特征包括肝脏平均ct值、肝脏中位ct值和肝脏ct值四分位间距，所述第一脾脏ct值特征包括脾脏平均ct值、脾脏中位ct值和脾脏ct值四分位间距；

14、根据所述原始肝脏体积、所述肝脏阳性凹陷体积和所述第一肝脏ct值特征得到第一肝脏形态特征；

15、根据所述原始脾脏体积和所述第一脾脏ct值特征得到第一脾脏形态特征。

16、根据本发明一些实施例，通过门静脉几何特征对所述第一肝脏形态特征中的原始肝脏体积进行标准化，得到第二肝脏形态特征，包括以下步骤：

17、根据所述肝脏部位三维模型确定门静脉几何特征，其中，所述门静脉几何特征包括门静脉最大直径；

18、将所述第一肝脏形态特征中的原始肝脏体积除以所述门静脉最大直径，得到标准化肝脏体积；

19、将所述原始肝脏体积、所述标准化肝脏体积、所述肝脏阳性凹陷体积和所述第一肝脏ct值特征组合得到第二肝脏形态特征。

20、根据本发明一些实施例，所述通过脾静脉几何特征对所述第一脾脏形态特征中的原始脾脏体积进行标准化，得到第二脾脏形态特征，包括以下步骤：

21、根据所述脾脏三维模型确定脾静脉几何特征，其中，所述门静脉几何特征包括脾静脉最大直径；

22、将所述第一脾脏形态特征中的原始脾脏体积除以所述脾静脉最大直径，得到标准化脾脏体积；

23、将所述原始脾脏体积、所述标准化脾脏体积和所述第一脾脏ct值特征组合得到第二脾脏形态特征。

24、根据本发明一些实施例，所述根据所述第二肝脏形态特征和所述第二脾脏形态特征得到肝脾形态学特征，包括以下步骤：

25、根据所述第二肝脏形态特征中的原始肝脏体积、肝脏阳性凹陷体积以及所述第二脾脏形态特征中的原始脾脏体积得到体积类型特征，其中，所述体积类型特征包括标准化肝脏体积、标准化脾脏体积、肝脏阳性凹陷体积比原始肝脏体积、原始肝脏体积比原始脾脏体积；

26、根据所述第二肝脏形态特征中的第一肝脏ct值特征以及所述第二脾脏形态特征中的第一脾脏ct值特征得到ct值类型特征，其中，所述ct值类型特征包括肝脏平均ct值比脾脏平均ct值、肝脏中位ct值比脾脏中位ct值、肝脏ct值四分位间距比脾脏ct值四分位间距、肝脏ct值最小变化率、肝脏ct值最大变化率、脾脏ct值最小变化率和脾脏ct值最大变化率；

27、根据所述体积类型特征和所述ct值类型特征确定肝脾形态学特征。

28、根据本发明一些实施例，所述肝脏阳性凹陷体积通过以下步骤得到：

29、识别所述肝脏部位三维模型的肝脏表面的曲线，并对所述曲线上的坐标点进行稀疏采样；

30、对稀疏采样的坐标点进行样条插值以对肝脏表面进行平滑处理，得到平滑处理后的肝脏部位三维模型；

31、根据平滑处理前后的肝脏体积差异确定肝脏阳性凹陷体积。

32、根据本发明一些实施例，所述通过深度神经网络对所述肝脾部位三维扫描模型进行分割操作，得到肝脏部位三维模型和脾脏三维模型，包括以下步骤：

33、通过nnu-net神经网络对肝脾部位三维扫描模型进行分割操作，得到肝脏部位三维模型和脾脏三维模型。

34、根据本发明一些实施例，所述获取肝脾部位三维扫描模型包括以下步骤：

35、获取多张肝脾部位的二维切片图像；

36、根据多张所述二维切片图像进行三维图像重构得到肝脾部位三维扫描模型。

37、另一方面，本发明实施例还提供一种经颈静脉肝内门体分流术后肝性脑病预测系统，包括：

38、第一模块，用于获取肝脾部位三维扫描模型；

39、第二模块，用于通过深度神经网络对所述肝脾部位三维扫描模型进行分割操作，得到肝脏部位三维模型和脾脏三维模型；

40、第三模块，用于分别对所述肝脏部位三维模型和所述脾脏三维模型进行形态学分析，得到第一肝脏形态特征和第一脾脏形态特征；

41、第四模块，用于通过门静脉几何特征对所述第一肝脏形态特征中的原始肝脏体积进行标准化，得到第二肝脏形态特征；

42、第五模块，用于通过脾静脉几何特征对所述第一脾脏形态特征中的原始脾脏体积进行标准化，得到第二脾脏形态特征；

43、第六模块，用于根据所述第二肝脏形态特征和所述第二脾脏形态特征得到肝脾形态学特征；

44、第七模块，用于对所述肝脾部位三维扫描模型进行高维影像组学特征分析，得到肝脾高维影像组学特征；

45、第八模块，用于根据所述肝脾形态学特征和所述肝脾高维影像组学特征进行分类预测，得到经颈静脉肝内门体分流术后肝性脑病发生概率。

46、另一方面，本发明实施例还提供一种经颈静脉肝内门体分流术后肝性脑病预测系统，包括：

47、至少一个处理器；

48、至少一个存储器，用于存储至少一个程序；

49、当所述至少一个程序被所述至少一个处理器执行，使得至少一个所述处理器实现如前面所述的经颈静脉肝内门体分流术后肝性脑病预测方法。

50、本发明上述的技术方案至少具有如下优点或有益效果之一：获取肝脾部位三维扫描模型，通过深度神经网络对肝脾部位三维扫描模型进行分割操作得到肝脏部位三维模型和脾脏三维模型，分别对肝脏部位三维模型和脾脏三维模型进行形态学分析得到第一肝脏形态特征和第一脾脏形态特征，进一步通过门静脉几何特征对第一肝脏形态特征中的原始肝脏体积进行标准化得到第二肝脏形态特征，通过门静脉几何特征对肝脏体积进行标准化能够减少个体差异误差以提高后续预测准确性，通过脾静脉几何特征对第一脾脏形态特征中的原始脾脏体积进行标准化得到第二脾脏形态特征，然后根据第二肝脏形态特征和第二脾脏形态特征得到肝脾形态学特征，对肝脾部位三维扫描模型进行高维影像组学特征分析得到肝脾高维影像组学特征，结合脾形态学特征和肝脾高维影像组学特征进行分类预测提高经颈静脉肝内门体分流术后肝性脑病发生概率预测准确性。