买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海市第六人民医院

摘要：本发明提出一种基于多任务的脑出血血肿扩大和脑水肿进展预测模型，包括两个主要阶段：脑部的血肿和或水肿区域分割以及脑部的血肿和或水肿进展预测。在分割阶段，使用图像分割模型识别血肿和或水肿区域，并提取感兴趣的区域图像。在血肿和或水肿进展预测阶段，从分割的区域图像中提取特征，并与患者的临床属性和脑出血相关的定量指标结合起来作为输入。通过构建的预测模型，实现对脑出血患者血肿扩大和脑水肿进展的预测。该预测模型还设计了自变化特征提取模块，以动态调整感受野的大小，捕捉图像中具有不规则形状的器官和病变的上下文信息，以及设计了跨模态特征融合，通过自适应的权重调整不同模态特征的重要性，提高模型预测的准确性。

主权项：1.一种基于多任务的脑出血血肿扩大和脑水肿进展预测系统，其特征在于，包括：脑血肿和或水肿区域分割模块，用于：对输入的CT图像进行预处理操作后，通过编码器提取特征后，解码器接收编码器阶段处理后的特征图作为输入，由解码器恢复分辨率并生成脑血肿和或水肿区域分割结果；图像特征提取模块：将脑血肿和或水肿区域分割模块获得的脑血肿和或水肿区域分割结果输入图像特征提取模块后，由图像特征提取模块提取图像特征FI；属性指标特征提取模块：将脑血肿和或水肿区域分割模块获得的脑血肿和或水肿区域分割结果所对应的临床属性和脑出血相关的定量指标输入属性指标特征提取模块后，由属性指标特征提取模块对临床属性和定量指标进行特征编码，获得全局特征Fglobal；特征融合模块：采用注意力增强的跨模态特征融合方法来融合图像特征FI与全局特征Fglobal，在注意力增强的跨模态特征融合过程中：对中间特征进行归一化处理，归一化公式为： 其中，ρ和b是可学习的参数，μ和δ2是期望和方差，∈是一个小的正数以避免除以零，Z表示上一步获得的图像特征FI或全局特征Fglobal；利用多头注意力机制计算跨模态注意力权重如下式所示： 其中，X1和X2是归一化后的图像特征FI和全局特征Fglobal，和是可学习的权重矩阵，H表示矩阵转置操作，注意力机制输出P为：P＝Concathead1，...，headhWO其中，Concat表示特征链接操作，在注意力机制之后，通过前馈网络进一步处理特征：FFNP＝ReLUPW1W2其中，W1和W2是可学习的投影矩阵；通过多层迭代，特征表示得到更新，并使用Hadamard乘积融合不同模态的特征： 最终，融合后的特征向量为：Ffinal＝ConcatZ[L]⊙FI，Z[L]⊙Fglobal其中，⊙表示Hadamard乘积；脑血肿和或水肿进展预测模块：将特征融合模块所获得的融合后的特征向量Ffinal输入到线性层中进行预测。

全文数据：

权利要求：

百度查询： 上海市第六人民医院 一种基于多任务的脑出血血肿扩大和脑水肿进展预测系统