一种垂体瘤动态风险评估与监控方法及系统

本发明涉及医疗，尤其是一种垂体瘤动态风险评估与监控方法及系统。

背景技术：

1、垂体瘤是一组从垂体前叶和后叶及颅咽管上皮残余细胞发生的肿瘤。临床上有明显症状者约占颅内肿瘤的10%，男性略多于女性。垂体瘤通常发生于青壮年时期，常常会影响患者的生长发育、生育功能、学习和工作能力。临床表现为激素分泌异常症群、肿瘤压迫垂体周围组织的症群、垂体卒中和其他垂体前叶功能减退表现。现有医疗体系对垂体瘤的监控和治疗还停留在基于影像学的方法进行监控，现有研究机构开展利用人工智能对垂体瘤进行预测，但是还停留在初步阶段，预测时仅考虑mri图像，预测效果较差。

技术实现思路

1、为了解决现有技术中垂体瘤动态风险评估与监控的技术问题，本发明提供一种垂体瘤动态风险评估与监控方法及系统。

2、本发明是通过以下技术方案实现的：

3、一种垂体瘤动态风险评估与监控方法，其特征在于，包括：

4、获取垂体瘤动态监测数据，包括mri影像数据和激素水平数据；

5、数据处理及特征提取，其中包括mri影像数据处理及特征提取和激素水平数据处理及特征提取，得到mri影像数据特征和激素水平数据特征；

6、建立动态监测预测模型，基于预训练bigru神经网络注意力模型对垂体瘤进行动态监测预测；

7、所述mri影像数据处理及特征提取包括垂体瘤图像特征提取以及血流信息特征提取，所述垂体瘤图像特征包括大小、形态、位置，所述血流信息特征包括根据颈内动脉和大脑前动脉获得的血流动力学特征，包括血流量、血流阻力、血容积、血管形态；

8、所述激素水平数据处理包括基于改进的fcm聚类算法根据激素水平数据对血液样本进行聚类；

9、计算风险指数，基于上述得到的mri影像数据特征和激素水平数据特征输入动态监测预测模型得到垂体瘤风险指数。

10、进一步的，所述mri影像数据包括垂体瘤以及周边动脉血管的mri影像数据；所述周边动脉血管包括颈内动脉和大脑前动脉。

11、

12、进一步的，所述改进的fcm聚类算法包括如下步骤：

13、基于随机隶属值计算初始化隶属度矩阵；

14、根据下式计算第一聚类中心：；其中， n为样本数量，为模糊度为 m时第 j个样本属于第 i类的程度，为模糊度为 m时第 k个样本属于第 i类的程度， m为模糊度。

15、根据下式计算第二聚类中心：；其中， 、 分别为第 k个样本以及第 t个样本， 为第 k个样本属于第 i类的程度，为第 t个样本属于第 i类的程度， c为样本类簇数；

16、结合第二聚类中心以及隶属值，利用下式更新拉格朗日乘子：；其中，为第 j个样本；为模糊度为 m-1时第 j个样本属于第 i类的程度；

17、结合第二聚类中心和拉格朗日乘子，根据下式计算更新隶属度矩阵：；进一步得到更新的隶属度矩阵u。

18、重复执行步骤从计算第一聚类中心到更新隶属度矩阵，直到隶属值在最新的两次选代中的改变量小于给定阈值或选代次数达到设定值时停止选代，将最新的隶属度矩阵去模糊化，得到聚类结果。

19、进一步的，所述基于预训练bigru神经网络注意力模型包括预训练层、时域卷积层、双向门控循环网络层、注意力机制层。

20、进一步的，所述时域卷积层引入可变扩张卷积。

21、进一步的，所述时域卷积层由多个堆叠的残差块组成，每个残差块包含两个因果扩张卷积层、一个批量归一化层和一个激活函数层。

22、本发明还提供一种垂体瘤动态风险评估与监控系统，基于如上所述的垂体瘤动态风险评估与监控方法，其包括：

23、垂体瘤动态监测数据获取模块，其用于获取垂体瘤动态监测数据，包括mri影像数据和激素水平数据；所述mri影像数据包括垂体瘤以及周边动脉血管的mri影像数据；所述周边动脉血管包括颈内动脉和大脑前动脉。

24、数据处理及特征提取模块，其用于对mri影像数据处理及特征提取和激素水平数据处理，得到mri影像数据特征和激素水平数据特征；所述mri影像数据处理及特征包括垂体瘤图像特征以及血流信息特征，所述垂体瘤图像特征包括大小、形态、位置，血流信息特征包括根据颈内动脉和大脑前动脉获得的血流动力学特征，包括血流量、血流阻力、血容积、血管形态。所述激素水平数据处理包括基于改进的fcm聚类算法根据激素水平数据对血液样本进行聚类。

25、动态监测预测模型建立模块，其用于基于预训练的bigru神经网络注意力模型对垂体瘤进行动态监测预测；

26、风险指数计算模块，其用于基于上述得到的mri影像数据特征和激素水平数据特征输入动态监测预测模型得到垂体瘤风险指数。

27、此外，为实现上述目的，本发明还提供一种计算机可读存储介质, 所述计算机可读存储介质上存储有垂体瘤动态风险评估与监控方法的程序指令，所述垂体瘤动态风险评估与监控方法的程序指令可被一个或者多个处理器执行，以实现如上所述的垂体瘤动态风险评估与监控方法的步骤。

28、与现有技术相比，本发明的有益效果为：

29、本发明实现了对垂体瘤动态风险评估与监控，基于预训练的bigru神经网络注意力模型并结合了垂体瘤以及周边动脉血管的mri影像数据以及激素水平数据实现了更加客观、准确的垂体瘤动态风险预测。基于改进的fcm聚类算法根据激素水平数据对血液样本进行聚类，并结合了分层抽样方法，选择了具有代表性的数据进行特征提取，从而改善了后续预测准确度。

1.一种垂体瘤动态风险评估与监控方法，其特征在于，包括：

2.根据权利要求1所述的垂体瘤动态风险评估与监控方法，其特征在于，所述mri影像数据包括垂体瘤以及周边动脉血管的mri影像数据；所述周边动脉血管包括颈内动脉和大脑前动脉。

3.根据权利要求2所述的垂体瘤动态风险评估与监控方法，其特征在于，所述改进的fcm聚类算法包括如下步骤：

4.根据权利要求2所述的垂体瘤动态风险评估与监控方法，其特征在于，所述基于预训练bigru神经网络注意力模型包括预训练层、时域卷积层、双向门控循环网络层、注意力机制层。

5.根据权利要求4所述的垂体瘤动态风险评估与监控方法，其特征在于，所述时域卷积层引入可变扩张卷积。

6.根据权利要求5所述的垂体瘤动态风险评估与监控方法，其特征在于，所述时域卷积层由多个堆叠的残差块组成，每个残差块包含两个因果扩张卷积层、一个批量归一化层和一个激活函数层。

7.一种垂体瘤动态风险评估与监控系统，基于如权利要求1至6中任一项所述的垂体瘤动态风险评估与监控方法，其特征在于，包括：

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有垂体瘤动态风险评估与监控方法的程序指令，所述垂体瘤动态风险评估与监控方法的程序指令可被一个或多个处理器执行，以实现如权利要求1至6中任一所述的垂体瘤动态风险评估与监控方法的步骤。