公开(公告)号：CN112101523A

公开(公告)日：2020-12-18

申请号：CN202010857268.2

申请日：2020-08-24

Applicant: 复旦大学附属华山医院

Inventor： 耿道颖 ,  于泽宽 ,  陈泓亦 ,  张军 ,  尹波 ,  李郁欣 ,  吴昊 ,  曹鑫 ,  张海燕 ,  胡斌 ,  潘嘉炜 ,  鲍奕仿 ,  周书怡 ,  陆怡平 ,  耿辰 ,  夏威 ,  杨丽琴

IPC: G06N3/04 ,  G06N3/08 ,  G06T5/00 ,  G06T7/00

Abstract: 本发明提供了一种基于深度学习的CBCT图像跨模态预测CTA图像的卒中风险筛查方法和系统，包括：步骤1：构建循环对抗性生成网络模型；步骤2：通过CBCT图像及其对应的造影图像数据训练循环对抗性生成网络模型；步骤3：将测试图像输入至已训练好的循环对抗性生成网络模型，生成血管造影CT图像；步骤4：根据血管造影CT图像中颈动脉的形态、颈动脉狭窄程度及弯曲度预测卒中风险。本发明基于深度学习模型，将非增强CBCT图像转换为增强CT血管造影图像，进行颈动脉血管分割提取，量化计算颈动脉狭窄程度和弯曲度，进而预测脑卒中风险，为临床获取CTA图像及诊断提供了一种便捷、经济、高效的新途径。