申请/专利权人：南京麦澜德医疗科技股份有限公司

申请日：2023-12-26

公开（公告）日：2024-03-22

公开（公告）号：CN117746464A

主分类号：G06V40/10

分类号：G06V40/10;G06V10/25;G06V10/44;G06V10/54;G06V10/774;G06V10/82;G06N3/0464;G06N3/08;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开一种多模态特征数据融合的盆底肌肉AI智能评估系统及方法，将超声二维图像、三维图像，超声测量数据、肌电信号数据等多个模态的数据融合，寻找到不同维度数据与盆底肌肉的关联，构建更为精准的模型评估患者盆底肌肉状态，对盆底肌肉状态进行智能评估。

主权项：1.一种多模态特征数据融合的盆底肌肉AI智能评估方法，其特征在于，包括：1选取静息态超声图像和最大valsalva状态下图像，随后利用卷积神经网络加关键点热度图的方式，对每个关键点预测一张热度图，得到图像中的各关键点数据；根据标注在图像中的各关键点数据测量出第一二维图像特征集作为第一特征集；2基于盆底容积数据并利用Unet模型结合关键点回归，构建深度学习模型，找到肛提肌裂孔最大切面；利用卷积神经网络，结合注意力机制和关键点热度图，在三维渲染图像上识别出肛提肌裂孔的关键点，利用识别的关键点拟合出肛提肌裂孔区域，根据标注在图像的肛提肌裂孔区域中的各关键点测量出第二二维图像特征集作为第二特征集；3根据步骤2中拟合出来的肛提肌裂孔区域作为感兴趣区域，提取超声图像影像组学，包括强度特征、纹理特征、小波特征；通过这些强度特征、纹理特征、小波特征，构建第三特征集；4通过阴道电极采集盆底表面肌电信号数据，构建第四特征集；5首先将每个特征集的特征进行标准化处理；分别以会阴前后的浅横肌、耻骨部位的直肠肌和尾肌、肛门处的肛提肌中的至少一种肌肉组织为模型标签；对于某一标准化处理后特征，获取若干有损伤真实肌肉组织数据N1及若干无损伤真实肌肉组织数据N2，分别对这一维特征值进行排序，统计N1的秩和R1，以及N2的秩和R2；通过秩和检验，按标准正态分布界定P值，剔除PM的特征，M为预设的阈值，6用互信息来度量特征与标签之间的相关性和特征与特征之间的冗余性，对特征进行排序；选择在特征排列中排在前N个的特征，构建对应肌肉组织的特征子集；7利用构建的肌肉组织的特征子集，构建机器学习模型进行训练，利用训练好的模型对不同肌肉群进行预测评估。

全文数据：

权利要求：

百度查询： 南京麦澜德医疗科技股份有限公司 多模态特征数据融合的盆底肌肉AI智能评估系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD