基于深度学习的脑血管事件超声斑块图像特异性特征挖掘

Cardio-cerebrovascular disease is one of the highest incidence of morbidity and mortality in the world. The major pathological basis of cardio-cerebrovascular is atherosclerosis. It is of great significance to investigate the relationship between atherosclerotic plaque and risk of cardio-cerebrovascular events and establish the risk prediction model for prevention and treatment of the event. The project intends to mine the specific features related to the event based on the risk relationship between various features of carotid plaque ultrasound images and ischemic stroke.The process is divided into two steps: transverse studies and longitudinal tracking. Deep learning method will be used to mine the preliminarily specific features by comparing the features of carotid plaque ultrasound images between the patients with the event and without the event at the transverse step. At the longitudinal step, we will track the opportune population who are elder than 50 ( i.e., with the high risk). Cerebral ischemic event will be used as the gold standard to mine and replenish the specific features for further ensuring their effectiveness and performance. The transverse study will reduce the number of required samples, while the longitudinal study can ensure the optimization of features mining. In the project, the mined specific image features will establish preliminary foundation for an ischemic stroke risk prediction model based on objective image information. Our team has done a lot of studies on the segmentation and feature extraction based on carotid plaque ultrasound images, which can guarantee the completation of the project smoothly.

心脑血管疾病是发病率与死亡率最高的疾病之一，动脉粥样硬化是其主要病理基础，研究粥样硬化斑块与心脑血管事件风险之间的关系，对于心脑血管病的防治意义重大。本项目以颈动脉斑块超声图像为数据源，通过分析图像特征与缺血性脑卒中风险的关系，充分挖掘出与事件相关的特异性特征，为建立一个基于图像信息的新的缺血性脑卒中风险预测模型奠定基础。其过程分为横向研究和纵向研究。横向研究以斑块超声图像为数据源，对比事件发生者与未发生事件者的图像特点，基于深度学习方法挖掘初步的特异性特征；纵向研究跟踪一定数量高龄风险人群，以发生脑缺血性事件为金标准，验证特异性特征的有效性。横向研究快速筛出初步的特异性特征，缩小了纵向研究中追踪对象的数量；纵向研究验证了特征的有效性，保证了特异性特征的完整性。研究团队已对颈动脉斑块超声图像的分割和特征提取及相关临床观察做了大量的研究，为项目的完成提供了保障。

心脑血管疾病是世界上死亡率和致残率最高的疾病之一，每年给社会带来了巨大的经济负担。医学研究表明，心脑血管疾病的主要病理基础是动脉粥样硬化。颈动脉作为连接心脏和脑部的大动脉，能反映全身动脉粥样硬化的发展趋势。大多数缺血性脑卒中是由于颈动脉斑块破裂脱落引起血管栓塞而导致的。因此，研究颈动脉斑块的易损性与缺血性脑血管事件风险之间的关系，对于脑血管疾病的预防和治疗具有重大的意义。超声具有无辐射、非侵入性和便捷性，已成为临床上检测颈动脉最常用的影像学手段。.本项目通过研究颈动脉超声图像，分析图像特征与缺血性脑卒中风险的关系，挖掘出与事件相关的特异性特征，为建立基于超声图像这一客观信息的缺血性脑血管事件风险预测模型奠定基础。为实现这一目标，本项目持续追踪了武汉大学中南医院、中国地质大学（武汉）校医院、华中科技大学同济医学院附属梨园医院的缺血性脑血管事件患者和非脑血管事件人群，采集了病人的颈动脉超声图像数据和对应的Framingham临床数据，进行了系统的跟踪研究。主要研究内容有颈动脉超声图像血管壁和斑块分割，斑块新特征的定义与提取，建立多种深度学习网络模型提取斑块特异性特征以及完成基础深度学习的图像融合等。本项目已取得的具体成果如下：...本项目围绕颈动脉超声图像所进行的大量深入的研究，应用深度学习方法所开发的颈动脉超声图像分割软件，以及所提取与缺血性脑血管事件风险相关的特异性特征，为脑血管疾病的预防和治疗提供了新的手段，达到了项目预期的研究目标。