(19)中华 人民共和国 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 202111304221.4 (22)申请日 2021.11.05 (71)申请人 北京市神经外科研究所 地址 100000 北京市东城区天坛西里6号 (72)发明人 刘爱华　彭飞　牛昊　佟鑫　 陈吉钢　夏嘉祥　何晓欣　许博雅　 刘浪　陈谞戈　刘鸿仪　 (74)专利代理 机构 重庆信必达知识产权代理有 限公司 5 0286 代理人 刘会锋 (51)Int.Cl. G16H 50/20(2018.01) G16H 50/50(2018.01) G06F 30/27(2020.01) G06F 30/28(2020.01)G06F 113/08(2020.01) G06F 119/14(2020.01) (54)发明名称 一种基于机器学习的颅内动脉瘤稳定性评 估模型及方法 (57)摘要 本发明属于医学技术领域， 公开了一种基于 机器学习的颅内动脉瘤稳定性评估模 型及方法， 联合几种关键的影像因素， 结合形态学、 血流动 力学及瘤壁炎性反应， 并基于机器学习建立一个 动脉瘤稳定性个体化评估量表； 根据动脉瘤稳定 性个体化评估量表， 进行稳定性分组； 对稳定组 与不稳定组进行对比， 得到诱发动脉瘤不稳定的 参数； 根据得到的诱发动脉瘤不稳定的参数， 通 过基于机器学习建立不稳定评估模 型。 形态学通 过3Dslicer进行逐级提取， 包括： 子瘤、 分叶状、 瘤壁平坦度参数。 血流动力学通过先进的4D ‑ flowMRI进行数据提取， 包括： 血流模式、 动脉瘤 内流速流 量。 权利要求书1页 说明书2页 附图1页 CN 114121262 A 2022.03.01 CN 114121262 A 1.一种基于机器学习的颅内动脉瘤稳定性评估方法， 其特征在于， 所述基于机器学习 的颅内动脉瘤稳定性评估方法， 包括： 步骤一， 首先分成两组： 推导组与验证组； 在推导组里， 联合影像学中的管壁增强； 形态 学学中的大小、 长、 宽、 颈等指标； 以及血流动力学的WSS和OSI等指标， 并基于机器学习建立 一个动脉瘤稳定性个 体化评估量表； 步骤二， 在验证组里基于动脉瘤稳定性个体化评估量表对动脉瘤进行稳定性评估， 分 为稳定组与不稳定组， 对比两组之间的各指标差异， 得到诱发动脉瘤不稳定的参数； 步骤三， 根据得到诱发动脉瘤不稳定的参数基于 机器学习建立 不稳定评估模型。 2.如权利要求1所述基于机器学习的颅 内动脉瘤稳定性评估方法， 其特征在于， 所述步 骤一中， 形态学通过3D  slicer进行 逐级提取， 包括： 子瘤、 分叶状、 瘤壁平坦度参数。 3.如权利要求1所述基于机器学习的颅 内动脉瘤稳定性评估方法， 其特征在于， 所述步 骤一中， 血流动力学通过先进的4D ‑flow MRI进行数据提取， 包括： 血流模式、 动脉瘤内流速 流量。 4.如权利要求1所述基于机器学习的颅 内动脉瘤稳定性评估方法， 其特征在于， 所述步 骤一中， 瘤壁炎性反应通过高分辨率磁共振序列进行瘤壁增强量化参数提取： 参数包括： WEI、 CRstal k、 AER、 AEI。 5.一种利用如权利要求1～4任意一项所述基于机器学习的颅内动脉瘤稳定性评估方 法的基于机器学习的颅内动脉瘤稳定性评估模型， 其特征在于， 所述基于机器学习的颅内 动脉瘤稳定性评估 模型设置有稳定组和不稳定组。 6.如权利要求5所述基于机器学习的颅 内动脉瘤稳定性评估模型， 其特征在于， 所述稳 定组为： 动脉瘤随访6个月未增大。 7.如权利要求5所述基于机器学习的颅 内动脉瘤稳定性评估模型， 其特征在于， 所述不 稳定组为： 动脉瘤随访6个月有增大超过1mm， 患者有炸裂性头痛， 颅神经麻痹动脉瘤压 迫症 状。权　利　要　求　书 1/1 页 2 CN 114121262 A 2一种基于机 器学习的颅内动脉瘤稳定性评估模型及方 法 技术领域 [0001]本发明属于医学技术领域， 尤其涉及一种基于机器学习的颅内动脉瘤稳定性评估 模型及方法。 背景技术 [0002]目前， 颅内动脉瘤是指脑动脉内腔的局限性异常扩大造成动脉壁的一种瘤状突 出， 颅内动脉瘤多因脑动脉管壁局部的先天性缺陷和腔内压力增高的基础上引起囊性膨 出， 是造成 蛛网膜下腔出 血的首位病因。 [0003]通过上述分析， 现有技术存在的问题及缺陷为： 尚无研究联合多模态数据对动脉 瘤稳定性进行综合评估。 [0004]解决以上问题及缺陷的难度为： 获取基于联合形态学、 血流动力学及瘤壁炎性反 应的多模态数据难度较大。 [0005]解决以上问题及缺陷的意义为： 基于动脉瘤真实情况进行动脉瘤稳定性的深度分 析。 发明内容 [0006]针对现有技术存在的问题， 本发明提供了一种基于机器学习的颅内动脉瘤稳定性 评估模型及方法。 [0007]本发明是这样实现的， 一种基于机器学习的颅内动脉瘤稳定性评估方法， 所述基 于机器学习的颅内动脉瘤稳定性评估方法， 包括： [0008]步骤一， 首先分成两组： 推导组与 验证组； 在推导组里， 联合影像学中的管壁增强； 形态学学中的大小、 长、 宽、 颈等指标； 以及血流动力学的WSS和OSI等指标， 并基于机器学习 建立一个动脉瘤稳定性个 体化评估量表； [0009]步骤二， 在验证组里基于动脉瘤稳定性个体化评估量表对动脉瘤进行稳定性评 估， 分为稳定组与不稳定组， 对比两组之间的各指标差异， 得到诱发动脉瘤不稳定的参数； [0010]步骤三， 根据得到诱发动脉瘤不稳定的参数基于 机器学习建立 不稳定评估模型。 [0011]进一步， 所述步骤一中， 形态 学通过3D  slicer进行逐级提取， 包括： 子瘤、 分叶状、 瘤壁平坦度参数。 [0012]进一步， 所述步骤一中， 血流动力学通过先进的4D ‑flow MRI进行数据提取， 包括： 血流模式、 动脉瘤内流速流 量。 [0013]进一步， 所述步骤一中， 瘤壁炎性反应通过高分辨率磁共振序列进行瘤壁增强量 化参数提取： 参数包括： WEI、 CRstal k、 AER、 AEI。 [0014]本发明另一目的在于提供一种利用所述基于机器学习的颅内动脉瘤稳定性评估 方法的基于机器学习的颅内动脉瘤稳定性评估模型(评分量表， 能看出每个指标的权重)， 所述基于 机器学习的颅内动脉瘤稳定性评估 模型设置有稳定组和不稳定组。 [0015]进一步， 所述稳定组为： 动脉瘤随访6个月未增大。说　明　书 1/2 页 3 CN 114121262 A 3