(19)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 202210752108.0 (22)申请日 2022.06.28 (71)申请人 昆明同心医联科技有限公司 地址 650106 云南省昆明市高新区C2-4 地 块汇金城市商业广场写字楼A幢第21 层2102号 (72)发明人 刘伟奇　陈磊　马学升　陈金钢　 徐鹏　赵友源　 (74)专利代理 机构 北京知果之信知识产权代理 有限公司 1 1541 专利代理师 苏利 (51)Int.Cl. G16H 30/20(2018.01) G16H 30/40(2018.01) G06T 17/00(2006.01)A61B 17/12(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于深度学习推荐弹簧圈栓塞高风险动脉 瘤方法 (57)摘要 本公开实施例公开了基于深度学习推荐弹 簧圈栓塞高风险动脉瘤方法。 具体包括以下方 法： 在CAT上 获取DICOM格式的待处理动脉瘤医学 影像数据， 并将DICOM格式的待处理动脉瘤医学 影像转换为NII.GZ格式的待预测动脉瘤医学影 像； 通过U N‑Net的20层神经网络训练对动脉瘤医 学影像中的载瘤动脉图像和动脉瘤图像进行重 建和分割， 得到动脉瘤识别算法； 通过UP3预设路 径规划的动脉瘤识别算法输入， 获取弹簧圈的规 格； 通过UP3预设路径规划模拟弹簧圈栓塞过程； 通过UP3预设路径规划的动脉瘤识别算法生成弹 簧圈的3D表面模型， 生成预测弹簧圈。 本申请解 决了现有的血管内栓塞技术存在在栓塞治疗时 无法做到完全栓塞和致密栓塞， 以及错误的选择 弹簧圈后导 致的动脉瘤残留的问题。 权利要求书2页 说明书7页 附图4页 CN 115171852 A 2022.10.11 CN 115171852 A 1.一种基于深度学习推荐弹簧圈栓塞高风险动脉瘤方法， 其特征在于， 方法包括以下 步骤： 在CAT上获取D  ICOM格式的待处理动脉瘤医学影像数据， 针对获取DICOM格式的待处理 动脉瘤医学影像对非必要的数据进行删除， 并将DICOM格式的待处理动脉瘤医学影像转换 为NII.GZ格式的待预测动脉瘤医学影 像； 通过UN‑Net的20层神经网络训练对动脉瘤医学影像中的载瘤动脉图像和动脉瘤图像 进行重建和分割， 得到动脉瘤识别算法； 通过UP3预设路径规划的动脉瘤识别算法输入， 获取弹簧圈的规格； 通过UP3预设路径规划模拟弹簧圈栓塞过程； 通过UP3预设路径规划的动脉瘤识别算法生成弹簧圈的3D表面模型， 计算旋转弹簧圈 的尺寸和弹簧圈型号， 生成预测弹簧圈。 2.如权利要求1所述的基于深度 学习推荐弹簧圈栓塞高风险动脉瘤方法， 其特征在于， 神经网络训练具体过程包括前向传播和后向传播的连续迭代； 前向传播是将输入的载瘤动脉图像和动脉瘤图像纳入 网络， 最终得到载瘤动脉图像对 应的每像素或然预测输出集和动脉瘤图像对应的每 像素或然预测输出集； 后向传播是使用损失函数通过最陡梯度下降法更新参数值， 通过计算得到最速下降的 方向和通过Adam优化 算法执行最小化损失的更新过程。 3.如权利要求2所述的基于深度 学习推荐弹簧圈栓塞高风险动脉瘤方法， 其特征在于， 将载瘤动脉图像对应的每像素或然预测输出集和动脉瘤图像对应的每像素或然预测输出 集分别与对应的用户注释的病灶载瘤动脉图像和 动脉瘤图像进行对比计算分析， 计算负骰 子系数。 4.如权利要求1所述的基于深度 学习推荐弹簧圈栓塞高风险动脉瘤方法， 其特征在于， 通过UP3预设路径规划的动脉瘤识别算法， 获取弹簧圈的规格具体过程 为： 通过三维有序向量Φ确定弹簧圈线圈规格， 从器材数据库中获取弹簧圈的具体参数， 整个弹簧圈展开后， 使用PTC  Creo 4.0.将弹簧圈展开后的中心线数据模拟到三维圆柱形 模型中。 5.如权利要求4所述的基于深度 学习推荐弹簧圈栓塞高风险动脉瘤方法， 其特征在于， 三维有序向量Φ的计算公式为： 其中， 为预成型第i段的矢量方向， ncoil为沿线圈长度的总段 数。 6.如权利要求1所述的基于深度 学习推荐弹簧圈栓塞高风险动脉瘤方法， 其特征在于， 通过UP3预设路径规划模拟弹簧圈栓塞过程具体过程包括： 选择弹簧圈头端的起始点和起始 方向， 通过计算动脉瘤体积的中心点得到起始点 起始方向为从动脉瘤瘤颈部中心点指向动脉瘤体积中心的单位向量， 沿起始点 和起始方 向依次向动脉瘤内填塞弹簧圈， 当弹簧圈i段添加到弹簧圈i ‑1段的前端时， 弹簧圈i段和弹 簧圈i‑1段之间的角度与 和 之间的角度相同， 在弹簧圈线圈头端与动脉瘤瘤壁或其他权　利　要　求　书 1/2 页 2 CN 115171852 A 2现有弹簧圈线圈段发生碰撞的情况下， 按照碰撞 算法避免碰撞， 旋转弹簧圈头端， 直到避免 碰撞动脉瘤壁， 完成弹簧圈栓塞。 7.如权利要求6所述的基于深度 学习推荐弹簧圈栓塞高风险动脉瘤方法， 其特征在于， 弹簧圈栓塞过程的计算公式为： 其中， 为第i个弹簧圈段头 部的位置向量， R为用于解决碰撞的旋转矩阵。 8.如权利要求6所述的基于深度 学习推荐弹簧圈栓塞高风险动脉瘤方法， 其特征在于， 碰撞算法包括计算动脉瘤壁和弹簧圈之间碰撞次数以及弹簧圈和 其他现有弹簧圈碰撞次 数； 计算动脉瘤壁和弹簧圈之间碰撞次数的具体过程 为： 计算每个动脉瘤顶点 和第i个弹簧圈线圈头 部 之间的距离； 标记对应顶点接近弹簧圈的第i个线圈段， 预成型的长度和线圈半径之和的两倍作为 弹簧圈最后的长度选择； 分析弹簧圈i段与每个动脉瘤标记面的碰撞情况， 并将 弹簧圈第i段上线圈与动脉瘤碰 撞的总数报告为 计算弹簧圈在栓塞动脉瘤时发生瘤壁碰撞次数。 9.如权利要求8所述的基于深度 学习推荐弹簧圈栓塞高风险动脉瘤方法， 其特征在于， 计算弹簧圈和其 他弹簧圈碰撞次数的具体过程 为： 计算当前 段hi的头部与之前的弹簧圈头 部之间的距离d； 弹簧圈的段落为dj≤4rcoil， 计算弹簧圈的两段之间的最小距离， 定义为 当 弹簧圈和动脉瘤壁发生了 碰撞； 计算弹簧圈与动脉瘤壁模拟发生碰撞时的情况； 计算弹簧圈和其 他弹簧圈碰撞总次数。 10.如权利要求1所述的基于深度学习推荐弹簧圈栓塞高风险动脉瘤方法， 其特征在 于， 通过UP 3预设路径规划的动脉瘤识别算法生 成弹簧圈的3D表 面模型， 计算旋转 弹簧圈的 尺寸和弹簧圈型号具体过程包括： 利用单位指向量 和 的数值定位到三维平面结构； 确定接触分辨 率旋转矩阵元 素R′ij； 计算旋转弹簧圈的尺寸和型号。权　利　要　求　书 2/2 页 3 CN 115171852 A 3