一种基于颈动脉HR-MRI斑块内出血影像组学特征的卒中风险评分系统及存储介质

本发明涉及医疗软件领域，具体为一种基于颈动脉hr-mri斑块内出血影像组学特征的卒中风险评分系统及存储介质。

背景技术：

1、颈动脉粥样硬化易损斑块是缺血性脑卒中的重要病因。大量研究表明，斑块内出血（intraplaque hemorrhage, iph）是斑块易损性的最强预测因子之一，存在iph的患者卒中风险较无iph者提高3-5倍。高分辨率mri（hr-mri）的t1加权黑血序列（t1wi-bb）和mp-rage序列可高灵敏度检测iph，是目前识别iph的影像金标准。然而，现有iph评估技术存在以下弊端：

2、定性评估为主，缺乏量化指标：临床实践中，放射科医生仅报告“有无iph”或“iph范围（小/中/大）”，无法精确量化iph区域的异质性（如出血体积、形态不规则度、与脂质核心的空间关系等），导致大量微观信息丢失。

3、单一iph有无判断预测效能有限：仅依赖iph的有无进行风险分层，auc通常仅为0.70-0.75，无法满足精准筛查需求。部分患者虽有iph但面积微小，未必导致短期卒中；部分无iph患者因纤维帽破裂同样高危。

4、缺乏人群特异性校正：不同年龄、性别、高血压史人群的颈动脉壁厚度和iph体积分布存在显著差异。直接使用统一阈值判断“大iph”会导致误分类。

5、iph分割依赖人工，效率低：iph区域的手动勾画耗时且重复性差，缺乏针对iph的自动化分割算法。

6、无闭环优化能力：现有iph评估模型为静态，不能根据随访卒中事件不断优化风险阈值。

7、因此，亟需一种基于iph影像组学特征的、可量化的、具备人群特异性校正和自学习能力的卒中风险评分系统。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于颈动脉hr-mri斑块内出血影像组学特征的卒中风险评分系统及存储介质，解决传统 iph 评估主观性强、量化不足、缺乏人群特异性校正、预测效能有限的问题，实现 iph 自动分割、影像组学量化提取、人群分层 z分数校正、逻辑回归风险建模与三级智能分层，同时具备临床随访闭环优化能力，提升卒中早期筛查与辅助诊断的精准性与标准化。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种基于颈动脉hr-mri斑块内出血影像组学特征的卒中风险评分系统及存储介质，包括数据采集模块、iph 影像组学数据库、人群特异性参考数据库、智能分割与特征提取引擎、风险评分与分层模块、报告生成模块和反馈优化模块。

3、其中：数据采集模被配置为获取受检者的颈动脉hr-mri图像临床基本信息。

4、iph影像组学数据库预存有基于本地人群构建的iph区域影像组学特征的亚组参考中位数及标准差。

5、人群特异性参考数据库：预存有特异性的颈动脉分叉处管壁厚度参考数据、无人群 iph 基线发生率数据。

6、智能分割与特征提取引擎：包括iph自动分割单元和影像组学特征提取单元。

7、风险评分与分层模块：包括特征筛选单元、z 分数校正单元、综合风险指数计算单元和风险分层单元。

8、报告生成模块，被配置为根据综合风险指数与预设阈值的关系生成结构化筛查报告。

9、反馈优化模块被配置为根据临床随访数据持续更新参考范围和风险阈值。

10、优选的，所述iph 自动分割单元采用 3d u-net 深度学习模型自动分割 iph 区域，所述3d u-net 深度学习模型以 t1wi 黑血序列、mp-rage 序列为输入，模型测试集dice 系数不低于 0.85，所述影像组学特征提取单元提取 iph 多维度影像组学特征。

11、优选的，所述特征筛选单元采用 lasso 回归筛选核心影像组学特征；所述 z 分数校正单元调取人群分层参考值计算特征校正 z 分数；所述综合风险指数计算单元通过逻辑回归模型构建 iph-ri 卒中风险指数；所述风险分层单元依据预设阈值划分三级卒中风险等级。

12、优选的，所述z 分数校正单元按公式 )计算，其中和根据受检者的年龄、性别、高血压史从iph影像组学数据库中动态调取。

13、优选的，所述综合风险指数计算公式为，权重通过逻辑回归训练得到。

14、优选的，所述风险分层单元将iph-ri < 0.15定义为低风险，0.15-0.45定义为中风险，≥0.45定义为高风险。

15、优选的，所述iph 影像组学数据库与人群特异性参考数据库采用 loess 局部加权回归拟合连续参考曲线，拟合参数 span=0.5、degree=1。

16、优选的，所述反馈优化模块每6个月重新拟合参考中位数、标准差和逻辑回归系数每 6 个月同步更新数据库参数、逻辑回归权重及风险阈值，采用约登指数最大化准则优选最佳分界阈值。

17、本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现上诉方案任一项所述的卒中风险评分系统的功能

18、本发明提供了一种基于颈动脉hr-mri斑块内出血影像组学特征的卒中风险评分系统及存储介质。具备以下有益效果：

19、（1）实现斑块内出血区域自动识别。本发明采用基于3d u-net深度学习模型的自动分割方式，对hr-mri图像中的iph区域进行自动检测和轮廓提取，降低人工勾画误差，提高处理效率和一致性。

20、（2）实现iph异质性的定量评价。区别于传统仅判断“有无iph”的方式，本发明通过提取体积特征、形态特征、纹理特征及小波特征等多维影像组学参数，实现对iph微观结构的量化分析。

21、（3）提高卒中风险预测准确率。通过lasso筛选核心影像组学特征并结合逻辑回归模型建立iph-ri综合风险指数，实现卒中风险预测准确率提升，测试集auc达到0.91。

22、（4）实现人群特异性校正。通过年龄、性别及高血压史等因素建立参考数据库，并采用z分数校正机制消除个体差异，提高风险评估结果可靠性。

23、（5）实现动态自学习优化。系统能够根据后续临床随访结果持续更新数据库参数及模型权重，实现风险评估模型的闭环优化。。

1.一种基于颈动脉hr-mri斑块内出血影像组学特征的卒中风险评分系统，其特征在于：包括数据采集模块、iph 影像组学数据库、人群特异性参考数据库、智能分割与特征提取引擎、风险评分与分层模块、报告生成模块和反馈优化模块；

2.根据权利要求1所述的一种基于颈动脉hr-mri斑块内出血影像组学特征的卒中风险评分系统，其特征在于：所述iph 自动分割单元采用 3d u-net 深度学习模型自动分割iph 区域，所述3d u-net 深度学习模型以 t1wi 黑血序列、mp-rage 序列为输入，模型测试集 dice 系数不低于 0.85，所述影像组学特征提取单元提取 iph 多维度影像组学特征。

3.根据权利要求1所述的一种基于颈动脉hr-mri斑块内出血影像组学特征的卒中风险评分系统，其特征在于：所述特征筛选单元采用 lasso 回归筛选核心影像组学特征；所述z 分数校正单元调取人群分层参考值计算特征校正 z 分数；所述综合风险指数计算单元通过逻辑回归模型构建 iph-ri 卒中风险指数；所述风险分层单元依据预设阈值划分三级卒中风险等级。

4.根据权利要求3所述的一种基于颈动脉hr-mri斑块内出血影像组学特征的卒中风险评分系统，其特征在于：所述z 分数校正单元按公式 ( ) 计算，其中和根据受检者的年龄、性别、高血压史从iph影像组学数据库中动态调取。

5.根据权利要求1所述的一种基于颈动脉hr-mri斑块内出血影像组学特征的卒中风险评分系统，其特征在于：所述综合风险指数计算公式为 ，权重通过逻辑回归训练得到。

6.根据权利要求5所述的一种基于颈动脉hr-mri斑块内出血影像组学特征的卒中风险评分系统，其特征在于：所述风险分层单元将iph-ri < 0.15定义为低风险，0.15-0.45定义为中风险，≥0.45定义为高风险。

7.根据权利要求1所述的一种基于颈动脉hr-mri斑块内出血影像组学特征的卒中风险评分系统，其特征在于：所述iph 影像组学数据库与人群特异性参考数据库采用 loess 局部加权回归拟合连续参考曲线，拟合参数 span=0.5、degree=1。

8.根据权利要求5所述的一种基于颈动脉hr-mri斑块内出血影像组学特征的卒中风险评分系统，其特征在于：所述反馈优化模块每6个月重新拟合参考中位数、标准差和逻辑回归系数每 6 个月同步更新数据库参数、逻辑回归权重及风险阈值，采用约登指数最大化准则优选最佳分界阈值。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时，实现权利要求 1～8任一项所述的卒中风险评分系统的功能。