颅脑出血识别模型训练及颅脑出血识别方法、系统及装置与流程

本发明涉及颅脑出血识别领域，尤其是涉及一种颅脑出血识别模型训练及颅脑出血识别方法、系统及装置。

背景技术：

1、颅内出血是一种临床上较为常见的危急重症，它是头颅内不同部位创伤性和非创伤性出血的总称。具体治疗方案需要根据出血量的大小及出血部位决定，因此在确定治疗方案前医生往往需要使用医学成像技术对患者的颅内状况进行检查。

2、当前，磁共振成像（mri）和计算机断层扫描（ct）是两类最为常用的医学成像技术，而ct成像技术又以其速度快、成本低、且能够获得良好的对比图像以进行精确研究的特性在颅脑出血区域的检测和诊断中获得了更为广泛的应用。

3、近年来，基于计算机算法的自动分割方法由于其不存在主观误差且省时省力的优点，逐渐被应用于辅助临床诊疗决策。相较于手工标记的方法，这种方法省时省力，能大幅提升效率，并且在准确性上，大部分患者的血肿边界的确定并不十分明确，手工标记的方法严重依赖医生的经验，会存在较大的分割误差，而计算机算法通过规范化标注的数据学习，在结果上具备更高的一致性。然而，目前的计算机分割算法往往只对出血区域进行预测和分割，这样虽然能够计算出血量的大小，但是并不能对出血灶在颅脑中所处的部位进行识别。不同部位的出血往往会产生不同的症状，诊疗和预后也会有所不同。比如基底节区的出血如果出血量小于30毫升，患者往往意识清楚，可以给予保守治疗。而小脑出血在出血量大于10毫升时病人可以出现昏迷，要考虑手术清除血肿。

技术实现思路

1、本发明的目的在于提供一种颅脑出血识别模型训练及颅脑出血识别方法、系统及装置，旨在解决颅脑出血识别模型训练及出血识别。

2、本发明提供一种颅脑出血识别模型训练及颅脑出血识别方法，包括：

3、s1、构建颅脑出血识别模型，所述识别模型包括：用于区域分割的第一阶段网络和用于出血识别的第二阶段网络；

4、s2、训练第一阶段网络；

5、s3、训练第二阶段网络，完成颅脑出血识别模型训练。

6、本发明提供一种颅脑出血识别模型识别方法：获取患者扫描的ct图像，将ct图像输入颅脑出血识别模型，输出预测出血区域和出血类别。

7、本发明还提供一种颅脑出血识别模型训练及颅脑出血识别系统，包括：

8、构建模块，用于构建颅脑出血识别模型，所述识别模型包括：用于区域分割的第一阶段网络和用于出血识别的第二阶段网络；

9、第一训练模块：训练第一阶段网络；

10、第二训练模块：训练第二阶段网络，完成颅脑出血识别模型训练。

11、识别模块，用于获取患者扫描的ct图像，将ct图像输入颅脑出血识别模型，输出预测出血区域和出血类别。

12、本发明实施例还提供一种颅脑出血识别模型训练及颅脑出血识别装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述方法的步骤。

13、采用本发明实施例，本发明提出了二阶段的颅脑出血分析模型，此模型能够同时对颅脑出血进行区域分割和部位识别，有助于在实际应用中给出更具体有效的辅助诊断意见。

14、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

技术特征：

1.一种颅脑出血识别模型训练方法，其特征在于，包括，

2.根据权利要求1所述的方法，其特征在于，所述s2具体包括：

3.根据权利要求2所述的方法，其特征在于，所述s3具体包括：

4.一种颅脑出血识别模型训练系统，其特征在于，包括，

5.根据权利要求4所述的系统，其特征在于，所述第一训练模块具体用于：

6.根据权利要求5所述的系统，其特征在于，所述第二训练模块具体用于：

7.一种颅脑出血识别方法，其特征在于，基于权利要求1到3所述的颅脑出血识别模型，包括，

8.一种颅脑出血识别系统，其特征在于，包括：识别模块，用于获取患者扫描的ct图像，将ct图像输入颅脑出血识别模型，输出预测出血区域和出血类别。

9.一种颅脑出血识别模型训练装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至3中任一项所述的颅脑出血识别模型训练方法的步骤。

10.一种颅脑出血识别装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求7中任一项所述的颅脑出血识别方法的步骤。

技术总结
本发明公开了一种颅脑出血识别模型训练及颅脑出血识别方法、系统及装置，所述方法包括，S1、构建颅脑出血识别模型，所述识别模型包括：用于区域分割的第一阶段网络和用于出血识别的第二阶段网络；S2、训练第一阶段网络；S3、训练第二阶段网络，完成颅脑出血识别模型训练。颅脑出血识别方法包括：获取患者扫描的CT图像，将CT图像输入颅脑出血识别模型，输出预测出血区域和出血类别。本发明提出了二阶段的颅脑出血分析模型，此模型能够同时对颅脑出血进行区域分割和部位识别，有助于在实际应用中给出更具体有效的辅助诊断意见。

技术研发人员：张成奋,徐枫,郭雨晨,何宇巍,谢晶
受保护的技术使用者：杭州涿溪脑与智能研究所
技术研发日：
技术公布日：2024/1/15