【技術實現步驟摘要】
本專利技術涉及智能醫(yī)療領域，更具體地，涉及一種ais術后影像預測模型的構建方法、設備、介質和程序產品。
技術介紹
1、青少年特發(fā)性脊柱側凸(ais)被定義為10至18歲個體脊柱彎曲達到10°或以上，且病因不明。如果不及時治療，?ais?可能會導致嚴重的身體畸形和慢性疼痛，在嚴重的情況下，還會因胸腔受壓而損害肺和心臟功能。后路脊柱融合手術?(psf)?通常用于矯正?ais脊柱畸形并防止脊柱彎曲進展。預測?psf的手術結果可以幫助外科醫(yī)生做出明智的手術決定。
2、當前的幾項研究旨在預測psf?后?x線參數的變化。這些研究雖然很有希望，但也存在明顯的缺點。首先，其僅預測參數的變化，而不提供術后?x線的可視化表示，但術后可視化表示對于脊柱外科醫(yī)生評估手術結果至關重要。其次，預測模型通常只關注特定融合范圍內的手術結果，限制了適用范圍。
3、人工智能?(ai)?在管理脊柱疾病方面展現出巨大的潛力，包括疾病篩查、分類、手術決策、術中操作和并發(fā)癥預測。生成神經網絡（例如?gan?和?vae）是先進的人工智能模型，可以生成真實的合成數據。在醫(yī)學領域，它們通過生成高分辨率醫(yī)學圖像來提高診斷準確性，并通過設計新分子來幫助藥物發(fā)現?。這些模型還通過模擬患者對治療的反應和建模疾病進展來支持個性化醫(yī)療，以實現更有效的早期干預?？傮w而言，生成神經網絡有潛力通過增強診斷、加速藥物開發(fā)和實現定制治療計劃來徹底改變醫(yī)療保健。
技術實現思路
1、本專利技術旨在至少解決現有技術中存在的技術問題之一
2、準確預測青少年特發(fā)性脊柱側凸（ais）患者后路脊柱融合術（psf）的手術結果可以輔助外科醫(yī)生做出決策；對于ais病例，一般可以通過psf脊柱后路融合術進行校正。
3、本申請第一方面公開一種ais術后影像預測模型的構建方法，所述方法包括：
4、101，獲取訓練集樣本的第一術前影像，將所述第一術前影像輸入機器學習模型輸出第二術前影像；獲取訓練集樣本的第一術后影像，將所述第一術后影像輸入機器學習模型輸出第二術后影像；分別比較第二術前影像和第一術前影像、第二術后影像和第一術后影像，計算損失并優(yōu)化得到訓練好的機器學習模型；
5、102，獲取訓練集樣本的第一術前影像、第一術后影像和預定手術融合節(jié)段信息；
6、103，將所述第一術前影像、第一術后影像和預定手術融合節(jié)段信息輸入所述訓練好的機器學習模型得到預測影像，比較預測影像與第一術后影像，計算損失并優(yōu)化得到術后影像預測模型。
7、在一些實施例中，所述術前影像包括以下任一種或幾種：x線成像、計算機斷層成像、磁共振成像、超聲成像、核醫(yī)學成像；
8、可選的，所述術前影像和所述術后影像包括：冠狀面影像、矢狀面影像、橫斷面影像；
9、可選的，所述預定手術融合節(jié)段信息包括以下任一種或幾種：uiv、liv、脊椎骨的任意區(qū)域；
10、可選的，所述脊椎骨包括：頸椎骨、胸椎骨、腰椎骨、骶骨。
11、在一些實施例中，所述方法還包括位于102和103之間的1021，對所述術前影像進行預處理，得到預處理后的術前影像；執(zhí)行103步驟，并將所述術前影像替換為所述預處理后的術前影像；
12、可選的，所述預處理包括：標記影像脊柱中的roi區(qū)域，裁剪所述roi區(qū)域為固定縱橫比的脊柱roi影像；調整裁剪后的脊柱roi影像的像素塊，該像素塊需要包括整個脊柱；數據增強調整像素塊后的脊柱roi影像，以增強模型魯棒性并避免樣本不平衡；
13、可選的，所述數據增強的方法包括：隨機水平翻轉、旋轉、對比度增強和水平/垂直平移；
14、可選的，所述像素塊的分辨率為256*1024。
15、在一些實施例中，所述機器學習模型為生成模型；
16、可選的，所述機器學習模型包括：vq-vae、gan、diffusion；優(yōu)選為vq-vae；
17、可選的，所述vq-vae模型包括編碼器、codebook和解碼器；
18、可選的，訓練好的?vq-vae模型包括編碼器、codebook、transformer和解碼器。
19、本申請第二方面公開一種基于術前影像生成ais術后影像的方法，所述方法包括：
20、獲取受試者的第一術前影像和預定手術融合節(jié)段信息；
21、將所述術前影像和預定手術融合節(jié)段信息輸入到本申請第一方面所述的術后影像預測模型中，得到術后即刻影像。
22、在一些實施例中，所述術前影像包括以下任一種或幾種：x線成像、計算機斷層成像、磁共振成像、超聲成像、核醫(yī)學成像；
23、可選的，所述術前影像和所述術后影像包括：冠狀面影像、矢狀面影像、橫斷面影像；
24、可選的，所述預定手術融合節(jié)段信息包括以下任一種或幾種：uiv、liv、脊椎骨的任意區(qū)域；
25、可選的，所述脊椎骨包括：頸椎骨、胸椎骨、腰椎骨、骶骨。
26、在一些實施例中，所述方法還包括：基于所述術后即刻影像評估手術效果；
27、可選的，評估手術效果時通過術后即刻影像中的臨床參數進行評估；
28、可選的，所述方法還包括：基于所述術后即刻影像中的臨床參數為受試定制手術規(guī)劃；
29、可選的，所述臨床參數包括以下任一種或幾種：cobb角、uiv、liv。
30、本申請第三方面公開一種計算機設備，所述設備包括：存儲器和處理器；所述存儲器用于存儲計算機程序；所述處理器執(zhí)行所述計算機程序以實現上述方法的步驟。
31、本申請第四方面公開一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現上述的方法的步驟。
32、本申請第五方面公開一種計算機程序產品，包括計算機程序，該計算機程序被處理器執(zhí)行時實現上述的方法的步驟。
33、本申請具有以下有益效果：
34、1、本申請創(chuàng)新性的公開一種ais術后影像預測模型的構建方法，該方法首次采用條件生成網絡生成術后影像（x線）的研究，不僅為脊柱外科醫(yī)生提供ais手術有價值的參考工具，還探索生成神經網絡在醫(yī)學中更廣泛的應用。具體地，該方法第一部分先通過分別將術前影像和術后影像輸入到機器學習模型中進行學習訓練encoder、codebook和decoder部分（transformer部分不涉及），以學習骨骼圖像的分布特征；第二部分修復encoder、codebook和decoder部分，并訓練transformer部分，通過輸入術前影像和融合節(jié)段信息訓練得到預測模型。高模型的構建本文檔來自技高網...
【技術保護點】
1.一種AIS術后影像預測模型的構建方法，其特征在于，所述方法包括：
2.根據權利要求1所述的AIS術后影像預測模型的構建方法，其特征在于，所述術前影像包括以下任一種或幾種：X線成像、計算機斷層成像、磁共振成像、超聲成像、核醫(yī)學成像；
3.根據權利要求1所述的AIS術后影像預測模型的構建方法，其特征在于，所述方法還包括位于102和103之間的1021，對所述術前影像進行預處理，得到預處理后的術前影像；執(zhí)行103步驟，并將所述術前影像替換為所述預處理后的術前影像；
4.根據權利要求1所述的AIS術后影像預測模型的構建方法，其特征在于，所述機器學習模型為生成模型；
5.基于術前影像生成AIS術后影像的方法，其特征在于，所述方法包括：
6.根據權利要求5所述的基于術前影像生成AIS術后影像的方法，其特征在于，所述術前影像包括以下任一種或幾種：X線成像、計算機斷層成像、磁共振成像、超聲成像、核醫(yī)學成像；
7.根據權利要求5所述的基于術前影像生成AIS術后影像的方法，其特征在于，所述方法還包括：基于所述術后即刻影像評估
8.一種計算機設備，其特征在于，所述設備包括：存儲器和處理器；所述存儲器用于存儲計算機程序；所述處理器執(zhí)行所述計算機程序以實現權利要求1-7任一項所述的方法的步驟。
9.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現如權利要求1-7任意一項所述的方法的步驟。
10.一種計算機程序產品，包括計算機程序，其特征在于，該計算機程序被處理器執(zhí)行時實現權利要求1-7任意一項所述的方法的步驟。
...【技術特征摘要】
1.一種ais術后影像預測模型的構建方法，其特征在于，所述方法包括：
2.根據權利要求1所述的ais術后影像預測模型的構建方法，其特征在于，所述術前影像包括以下任一種或幾種：x線成像、計算機斷層成像、磁共振成像、超聲成像、核醫(yī)學成像；
3.根據權利要求1所述的ais術后影像預測模型的構建方法，其特征在于，所述方法還包括位于102和103之間的1021，對所述術前影像進行預處理，得到預處理后的術前影像；執(zhí)行103步驟，并將所述術前影像替換為所述預處理后的術前影像；
4.根據權利要求1所述的ais術后影像預測模型的構建方法，其特征在于，所述機器學習模型為生成模型；
5.基于術前影像生成ais術后影像的方法，其特征在于，所述方法包括：
6.根據權利要求5所述的基于術前影像生...
【專利技術屬性】
技術研發(fā)人員：吳南，仉建國，朱源棚，
申請(專利權)人：中國醫(yī)學科學院北京協和醫(yī)院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。