CN110731789A - 一种冠脉微血管阻力指数获取方法、介质及设备 - Google Patents

Abstract

本发明提供一种冠脉微血管阻力指数获取方法、介质及设备。所述冠脉微血管阻力指数获取方法包括：获取冠脉影像，所述冠脉影像包括对目标对象注射造影剂后一段时间内连续多次扫描获得的影像；根据所述造影剂的显影状态识别所述冠脉影像的起始帧和终止帧；根据所述起始帧和所述终止帧以及扫描参数计算造影剂传导时间；获得主动脉压并根据所述主动脉压计算心外膜冠状动脉远端压力；根据所述心外膜冠状动脉远端压力和所述造影剂传导时间获得冠脉微血管阻力指数。所述冠脉微血管阻力指数获取方法实现简单，不依赖于复杂高值耗材且无需医生进行复杂操作，有利于实现IMR指标在临床中的大规模运用。

Description

一种冠脉微血管阻力指数获取方法、介质及设备

技术领域

本发明属于心脏血管测量领域，涉及一种微血管阻力指数获取方法，特别是涉及一种冠脉微血管阻力指数获取方法、介质及设备。

背景技术

心肌的血液供应来自于主动脉根部的左右冠状动脉，经冠脉分支、冠脉微血管、小静脉最后经冠状静脉窦或心前静脉进入右心房，冠状动脉在心外膜中的冠脉分支常常垂直穿入心肌层在内中分支，或垂直穿过心肌层在心内膜中分支。近年来，随着循证医学和介入性心脏病学的迅速发展，冠脉微血管疾病的临床意义日益受到人们的高度重视。在冠脉微血管疾病的诊断和治疗过程中，冠脉微血管阻力指数(Index of MicrovascularResistence，IMR)是近年来提出的评价冠状动脉狭窄病变远端微血管功能的新指标。所述冠脉微血管阻力指数能够特异性地评价狭窄病变远端的微血管功能，可准确预测急性心肌梗死再灌注治疗后的心肌组织灌注水平、心室重构及新功能的恢复，因此准确的测量IMR对于冠脉微血管疾病的诊断和治疗具有重要意义。现有技术一般采用带有温度传感器的压力导丝来测量相关参数进而求解IMR值。然而，采用带有温度传感器的压力导丝来测量相关参数并求解IMR的过程中需要医生进行复杂的操作，导致IMR指标在临床中很难大量使用。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种冠脉微血管阻力指数获取方法、介质及设备，用于解决现有IMR的求解方法中需要医生进行复杂操作的问题。

为实现上述目的及其他相关目的，本发明提供一种冠脉微血管阻力指数获取方法，所述冠脉微血管阻力指数获取方法包括：获取冠脉影像，所述冠脉影像包括对目标对象注射造影剂后一段时间内连续多次扫描获得的影像；根据所述造影剂的显影状态识别所述冠脉影像的起始帧和终止帧；根据所述起始帧和所述终止帧以及扫描参数计算造影剂传导时间；获得主动脉压并根据所述主动脉压计算心外膜冠状动脉远端压力；根据所述心外膜冠状动脉远端压力和所述造影剂传导时间获得冠脉微血管阻力指数。

于本发明的一实施例中，根据所述造影剂的显影状态识别所述冠脉影像的起始帧和终止帧的实现方法包括：所述起始帧为冠状动脉开始显影时刻至心外膜冠状动脉完全显影时刻之间的一帧影像；所述终止帧为所述心外膜冠状动脉完全不显影时刻至冠状静脉完全显影时刻之间的一帧影像。

于本发明的一实施例中，所述冠脉影像的起始帧的识别方法包括：将所述冠脉影像输入至第一神经网络模型进行识别，得到所述起始帧；所述第一神经网络模型通过以下方法训练得到：获得第一训练数据，所述第一训练数据包括：对人体注射造影剂后一段时间内连续多次扫描获得的冠脉影像，以及所述冠脉影像的起始帧标注信息；以所述第一训练数据对一神经网络模型进行训练，获得所述第一神经网络模型。

于本发明的一实施例中，所述冠脉影像的终止帧的识别方法包括：将所述冠脉影像输入至第二神经网络模型进行识别，得到所述终止帧；所述第二神经网络模型通过以下方法训练得到：获得第二训练数据，所述第二训练数据包括：对人体注射造影剂后一段时间内连续多次扫描获得的冠脉影像，以及所述冠脉影像的终止帧标注信息；以所述第二训练数据对一神经网络模型进行训练，获得所述第二神经网络模型。

于本发明的一实施例中，计算心外膜冠状动脉远端压力的一种实现方法包括：若冠状动脉不存在阻塞且未放置支架，所述心外膜冠状动脉远端压力Pd＝k×Pa；其中，Pa为所述主动脉压；k为压降系数且0.8≤k≤1。

于本发明的一实施例中，计算心外膜冠状动脉远端压力的一种实现方法包括：若冠状动脉已放置支架，所述心外膜冠状动脉远端压力Pd＝k×Pa；其中，Pa为所述主动脉压；k为压降系数且0.8≤k≤1。

于本发明的一实施例中，所述心外膜冠状动脉远端压力的计算方法包括：将所述冠脉影像和所述主动脉压输入至第三神经网络模型进行计算，得到所述心外膜冠状动脉远端压力；所述第三神经网络模型通过以下方法训练得到：获得第三训练数据，所述第三训练数据包括：对人体注射造影剂后一段时间内连续多次扫描获得的冠脉影像、对应的主动脉压Pa以及心外膜冠状动脉远端压力Pd；以所述第三训练数据对一神经网络模型进行训练，获得所述第三神经网络模型。

于本发明的一实施例中，所述冠脉影像为数字减影血管造影影像。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明所述的冠脉微血管阻力指数获取方法。

本发明还提供一种电子设备，所述电子设备包括：存储器，存储有一计算机程序；处理器，与所述存储器通信相连，调用所述计算机程序时执行本发明所述的冠脉微血管阻力指数获取方法；显示器，与所述处理器和所述存储器通信相连，用于显示所述冠脉微血管阻力指数获取方法的相关GUI交互界面

如上所述，本发明所述的冠脉微血管阻力指数获取方法、介质及设备，具有以下有益效果：

所述冠脉微血管阻力指数获取方法中，通过冠脉影像的起始帧和终止帧获取造影剂传导时间，通过深度学习方式获取心外膜冠状动脉远端压力，不依赖于复杂高值耗材，节省了IMR的获取成本；

所述冠脉微血管阻力指数获取方法中，可以利用深度学习方法实现IMR的求解，该过程基本无需医生参与，减少了医生的操作量；

所述冠脉微血管阻力指数获取方法中，无需复杂的建模过程来获取相关参数，算法复杂度相对较低且易于实现。

因此，与现有技术相比，本发明所述冠脉微血管阻力指数获取方法实现简单，不依赖于复杂高值耗材且无需医生进行复杂操作，能够普遍应用于临床中，有利于实现IMR指标在临床中的大规模使用。

附图说明

图1显示为本发明所述冠脉微血管阻力指数获取方法于一具体实施例中的流程图。

图2A显示为本发明所述冠脉微血管阻力指数获取方法于一具体实施例中获取的造影图。

图2B显示为本发明所述冠脉微血管阻力指数获取方法于一具体实施例中获取的造影图。

图2C显示为本发明所述冠脉微血管阻力指数获取方法于一具体实施例中获取的造影图。

图2D显示为本发明所述冠脉微血管阻力指数获取方法于一具体实施例中获取的造影图。

图2E显示为本发明所述冠脉微血管阻力指数获取方法于一具体实施例中获取的造影图。

图3A显示为本发明所述冠脉微血管阻力指数获取方法于一具体实施例中神经网络训练的流程图。

图3B显示为本发明所述冠脉微血管阻力指数获取方法于一具体实施例中神经网络训练的流程图。

图4显示为本发明所述冠脉微血管阻力指数获取方法于一具体实施例中神经网络训练的流程图。

图5显示为本发明所述电子设备于一具体实施例中的结构图。

元件标号说明

21 导管

22 导丝

23 支架位置

24 心外膜冠状动脉

25 冠脉静脉

500 电子设备

510 存储器

520 处理器

530 显示器

S1～S5 步骤

S31a～S33a 步骤

S31b～S33b 步骤

S41～S43 步骤

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

冠脉循环起始于主动脉根部的左右冠状动脉，血液经冠脉分支、冠脉微血管、小静脉最后经冠状静脉窦或心前静脉进入右心房。在冠脉循环中，冠状动脉、冠脉分支和冠脉微血管构成心肌供氧的核心，其中：冠状动脉作为容量血管和传输血管，其直径在500μm-5mm之间，位于心外膜中；冠脉分支用于维持冠脉微血管灌注，其直径在100μm-500μm，位于大冠脉分支中；冠脉微血管用于心肌供氧，其直径通常小于100μm，位于心肌间、心内膜下。

在冠脉微血管疾病的诊断和治疗过程中，冠脉微血管阻力指数IMR是近年来提出的评价冠状动脉狭窄病变远端微血管功能的新指标，能够特异性地评价狭窄病变远端的微血管功能，可准确预测急性心肌梗死再灌注治疗后的心肌组织灌注水平、心室重构及新功能的恢复，因此准确的测量IMR对于冠脉微血管疾病的治疗具有重要意义。于一些实施例中，采用带有温度传感器的压力导丝来测量相关参数，具体方法为：利用压力导丝测量心外膜冠脉远端压力；利用温度传感器测量注射生理盐水后血液温度变化曲线，并根据变化曲线评估平均传导时间，进而求解IMR值。然而，该过程需要医生进行导丝测量、通过导管注射生理盐水、测量温度变化曲线并计算传导时间等复杂操作，且该过程依赖于带温度传感器的压力导丝等复杂高值耗材，致使该方法很难在临床上推广，限制了IMR指标在临床中的大规模应用。

针对上述问题，本发明提供一种冠脉微血管阻力指数获取方法，所述冠脉微血管阻力指数获取方法包括：获取冠脉影像，所述冠脉影像包括对目标对象注射造影剂后一段时间内连续多次扫描获得的影像；根据所述造影剂的显影状态识别所述冠脉影像的起始帧和终止帧；根据所述起始帧和所述终止帧以及扫描参数计算造影剂传导时间；获得主动脉压并根据所述主动脉压计算心外膜冠状动脉远端压力；根据所述心外膜冠状动脉远端压力和所述造影剂传导时间获得冠脉微血管阻力指数。本发明所述冠脉微血管阻力指数获取方法不依赖于复杂高值耗材且无需医生进行复杂操作，适于临床中的大规模应用。

请参阅图1，于本发明的一实施例中，所述冠脉微血管阻力指数获取方法包括：

S1，获取冠脉影像，所述冠脉影像包括对目标对象注射造影剂后一段时间内连续多次扫描获得的影像。所述冠脉影像可以通过冠脉造影获得。

冠脉造影是指利用导管对冠状动脉解剖进行放射影像学检查的一种介入性诊断技术，用于检查冠状动脉血管树的全部分支，了解其解剖的详细情况。于本实施例中，利用冠脉造影技术获取所述冠脉影像的流程为：将造影导管插入主动脉，并通过所述造影导管的开口向主动脉注入造影剂；所述造影剂沿主动脉流至冠脉入口并经所述冠脉入口流入冠状动脉，其后依次流经冠脉分支、冠脉微血管后进入冠状静脉，并最终由冠状静脉流出。

自所述造影剂到达冠脉入口至所述造影剂流出冠状静脉的过程中，对目标对象进行连续多次扫描即可获得对应的冠脉影像。所述目标对象包括冠状动脉、冠状分支或/和冠状静脉，通过造影技术能够获取冠状动脉的影像、冠脉分支的影像以及冠状静脉的影像，但无法获得冠脉微血管的影像。

S2，根据所述造影剂的显影状态识别所述冠脉影像的起始帧和终止帧。于步骤S1中，通过对目标对象的连续扫描可以获得多幅冠脉影像，每一幅冠脉影像对应一帧。所述起始帧和所述终止帧为所述多幅冠脉影像中的两幅。

S3，根据所述起始帧和所述终止帧以及扫描参数计算造影剂传导时间。所述扫描参数是指造影仪的系统参数和/或扫描过程中设置的参数。于本实施例中，所述扫描参数可以是两帧之间的时间间隔，和/或造影仪记录的相应帧对应的时间。其中，所述时间间隔可以是造影仪默认的时间间隔，也可以是造影开始前或扫描过程中人为设置的时间间隔；所述造影仪记录的相应帧对应的时间是造影仪默认的系统时间，和/或造影开始前人为设置的系统时间。于本实施例中，造影仪可以采用时间戳的形式在相应帧上记录该帧对应的时间。

S4，获得主动脉压并根据所述主动脉压计算心外膜冠状动脉远端压力。所述主动脉压是指主动脉中的血压，所述心外膜冠状动脉远端压力是指心外膜冠状动脉远端的血压。所述主动脉压可以通过血流动力学仿真、深度学习等方法计算分析获得，或者是通过相应设备，例如压力导丝，直接测量得到，具体获取方法此处不做限制。所述主动脉压和所述心外膜冠状动脉远端压力之间的关系取决于血液自主动脉流至心外膜冠状动脉血管远端受到的阻力。

S5，根据所述心外膜冠状动脉远端压力和所述造影剂传导时间获得冠脉微血管阻力指数。所述冠脉微血管阻力指数可以通过心外膜冠状动脉远端压力Pd与所述传导时间T倒数的比值得到，即所述冠脉微血管阻力指数为压力与流量的比值。

于本发明的一实施例中，根据所述造影剂的显影状态识别所述冠脉影像的起始帧和终止帧的实现方法包括：所述起始帧为冠状动脉开始显影时刻至心外膜冠状动脉完全显影时刻之间的一帧影像；所述终止帧为所述心外膜冠状动脉完全不显影时刻至冠状静脉完全显影时刻之间的一帧影像。特别的，所述起始帧为所述冠状动脉开始显影时对应的帧，或所述起始帧为所述心外膜冠状动脉完全显影时对应的帧；所述终止帧为所述心外膜冠状动脉完全不显影时刻对应的帧，或所述终止帧为所述冠状静脉完全显影时刻对应的帧。

于本发明的一实施例中对心脏进行支架手术，此时心脏冠脉的显影过程包括：冠状动脉开始显影阶段、支架位置显影阶段、心外膜冠状动脉完全显影阶段、心外膜冠状动脉完全不显影阶段、静脉完全显影阶段。其中，支架放置在冠状动脉内，所述支架位置为冠状动脉内放置支架的位置。

请参阅图2A，显示为冠状动脉开始显影阶段对应的一帧影像，其中，导管21用于向所述冠状动脉注射造影剂，导丝22用于引导支架。在所述冠状动脉开始显影阶段，造影剂自所述导管21注射至冠状动脉，使冠状动脉开始显影。

请参阅图2B，显示为支架位置显影阶段对应的一帧影像，在此阶段造影剂流至所述冠脉支架位置23的血管，使得所述冠脉支架位置23显影。

请参阅图2C，显示为心外膜冠状动脉完全显影阶段对应的一帧影像，在此阶段造影剂流至心外膜冠状动脉24使所述心外膜冠状动脉24完全显影。

请参阅图2D，显示为心外膜冠状动脉完全不显影阶段对应的一帧影像，在此阶段造影剂已从所述心外膜冠状动脉完全进入冠脉微血管，所述心外膜冠状动脉完全不显影。

请参阅图2E，显示为静脉完全显影阶段对应的一帧影像，在此阶段造影剂从冠脉微血管流至冠状静脉25。由于所述造影剂在流动过程中产生了稀释，此阶段所述冠状静脉25的影像相对于图2A、图2B、图2C的冠状动脉及心外膜冠状动脉的显影来说不那么明显。

于本实施例中，所述起始帧为冠状动脉开始显影时刻至心外膜冠状动脉完全显影时刻之间的一帧影像，例如：所述冠状动脉开始显影阶段对应的帧、所述支架位置显影阶段对应的帧或所述心外膜冠状动脉完全显影阶段对应的帧。优选地，所述起始帧为所述支架位置显影阶段对应的帧。

于本实施例中，所述终止帧为所述心外膜冠状动脉完全不显影时刻至冠状静脉完全显影时刻之间的一帧影像，例如：心外膜冠状动脉完全不显影阶段对应的帧、静脉完全显影阶段对应的帧。优选地，所述终止帧为所述心外膜冠状动脉完全不显影阶段对应的帧。

于本发明的一实施例中，所述冠脉影像的起始帧的识别方法包括：将所述冠脉影像输入至第一神经网络模型进行识别，得到所述起始帧；所述第一神经网络模型通过以下方法训练得到：获得第一训练数据，所述第一训练数据包括：对人体注射造影剂后一段时间内连续多次扫描获得的冠脉影像，以及所述冠脉影像的起始帧标注信息；以所述第一训练数据对一神经网络模型进行训练，获得所述第一神经网络模型。

神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。该模型依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。于本实施例中，利用所述第一神经网络识别所述冠脉影像的起始帧的方法包括训练和识别两部分。具体地，请参图3A，所述训练过程包括：

S31a，获取人体注射造影剂后一段时间内连续多次扫描获得的冠脉影像，并对其中恰当的起始帧进行标注；

S32a，重复步骤S31a，获取多对冠脉影像和起始帧的组合；本步骤中的所述组合即为所述第一训练数据；

S33a，以每一对组合中所述冠脉影像作为输入数据，以对应的起始帧作为输出数据，对一神经网络模型进行训练，获得一稳定的神经网络作为所述第一神经网络模型。

在所述识别过程中，以待标注起始帧的冠脉影像作为输入，利用所述第一神经网络模型对其进行计算并最终输出所述起始帧。

于本发明的一实施例中，所述冠脉影像的终止帧的识别方法包括：将所述冠脉影像输入至第二神经网络模型进行识别，得到所述终止帧；所述第二神经网络模型通过以下方法训练得到：获得第二训练数据，所述第二训练数据包括：对人体注射造影剂后一段时间内连续多次扫描获得的冠脉影像，以及所述冠脉影像的终止帧标注信息；以所述第二训练数据对一神经网络模型进行训练，获得所述第二神经网络模型。于本实施例中，利用所述第二神经网络识别所述冠脉影像的终止帧的方法包括训练和识别两部分。具体地，请参阅图3B，所述训练过程包括：

S31b，获取人体注射造影剂后一段时间内连续多次扫描获得的冠脉影像，并对其中恰当的终止帧进行标注；

S32b，重复步骤S31b，获取多对冠脉影像和终止帧的组合；本步骤中的所述组合即为所述第二训练数据；

S33b，以每一对组合中所述冠脉影像作为输入数据，以对应的终止帧作为输出数据，对一神经网络模型进行训练,获得一稳定的神经网络作为所述第二神经网络模型。

在所述识别过程中，以待标注起始帧的冠脉影像作为输入，利用所述第二神经网络模型对其进行计算并最终输出所述终止帧。

于本发明的一实施例中，所述扫描参数为连续两帧之间的时间间隔，即帧间间隔。于本实施例中，步骤S3中通过所述起始帧和所述终止帧之间间隔的帧数和所述帧间间隔计算所述造影剂传导时间。对于帧间间隔相同的冠脉影像，所述造影剂传导时间为所述帧间间隔时长与所述起始帧和所述终止帧之间间隔的帧数的乘积。

于本发明的又一实施例中，所述扫描参数为造影仪记录的相应帧对应的时间，具体地，所述造影仪采用时间戳的形式在相应帧上记录该帧对应的时间。于本实施例中，所述冠脉影像中所述起始帧和所述终止帧都带有相应的时间戳，步骤S3中通过所述起始帧和所述终止帧之的时间戳计算所述造影剂传导时间。

于本发明的一实施例中，所述冠脉微血管阻力指数获取方法还包括：通过冠脉造影图像识别传导起始时刻和终止时刻，并根据所述传导起始时刻和所述终止时刻间隔图像帧数计算所述传导时间。识别所述传导起始时刻和所述终止时刻的方法，可以是包括深度学习、依据相关特征的机器学习以及其他现有识别方法在内的任何方法，具体识别方法此处不做限定。

于本发明的一实施例中，计算心外膜冠状动脉远端压力的一种实现方法包括：若冠状动脉不存在阻塞且未放置支架，则所述心外膜冠状动脉远端压力Pd＝k×Pa；其中，Pa为所述主动脉压，Pd为所述心外膜冠状动脉远端压力；k为压降系数且0.8≤k≤1。于本实施例中，所述冠状动脉没有阻塞且未放置支架，血液从冠状动脉流至心外膜冠状动脉远端时根据具体情况存在不同程度的压降。当血液所受阻力较大时压降相对较大，k＝0.8，此时所述心外膜冠状动脉压力Pd＝0.8Pa；当血液所受阻力较小时压降相对较小，可近似认为所述心外膜冠状动脉远端压力等于所述主动脉压，此时k＝1。

于本发明的另一实施例中，计算心外膜冠状动脉远端压力的一种实现方法包括：若冠状动脉已放置支架，所述心外膜冠状动脉远端压力Pd＝k×Pa；其中，Pa为所述主动脉压；k为压降系数且0.8≤k≤10。于本实施例中，所述冠状动脉中放置有支架，血液从冠状动脉流至心外膜冠状动脉远端时会受到阻力从而导致压力下降，所述压降系数k用于标识压力下降的程度，该压降系数k为经验值，其取值范围为0.8≤k≤1。当所述压力下降较大时，k＝0.5，此时Pd＝0.5Pa；当所述压力下降较小可以近似忽略时，k＝1，此时Pd＝Pa。

于本发明的再一实施例中，所述心外膜冠状动脉远端压力的计算方法包括：将所述冠脉影像和所述主动脉压输入至第三神经网络模型进行计算，得到所述心外膜冠状动脉远端压力；所述第三神经网络模型通过以下方法训练得到：获得第三训练数据，所述第三训练数据包括：对人体注射造影剂后一段时间内连续多次扫描获得的冠脉影像、对应的主动脉压Pa以及心外膜冠状动脉远端压力Pd；以所述第三训练数据对一神经网络模型进行训练，获得所述第三神经网络模型。

于本实施例中，所述心外膜冠状动脉远端压力的获取方法可以分为训练和计算两步。具体地，请参阅图4，所述训练过程包括：

S41，获取人体注射造影剂后一段时间内连续多次扫描获得的冠脉影像，并获得该冠脉影像对应的主动脉压Pa以及心外膜冠状动脉远端压力Pd。其中，Pa和Pd可以通过血流动力学仿真、深度学习等方法计算分析获得，或者是通过相应设备，例如压力导丝，直接测量得到，具体获取方法此处不做限制。

S42，重复步骤S41，获取多组冠脉影像、主动脉压Pa和心外膜冠状动脉远端压力Pd的组合；本步骤中的所述组合即为所述第三训练数据；

S43，以每一组所述组合中的冠脉影像和主动脉压Pa作为输入，对应的心外膜冠状动脉远端压力Pd作为输出，对一神经网络模型进行训练，获得对应的稳定的神经网络作为所述第三神经网络模型。

在所述计算过程中，以待获取Pd的冠脉影像和对应的Pa作为输入，通过所述第三神经网络模型进行计算，即可获得所述心外膜冠状动脉远端压力Pd。

于本发明的一实施例中，所述第三神经网络的训练过程中，以有创测量的Pa、冠脉影像和有创测量的Pd作为所述第三训练集对神经网络进行训练，训练后得到的第三神经网络模型以Pa和冠脉影像作为输入，输出即为对应的Pd。

于本实施例中，在所述第三神经网络的计算过程中，用有创的方法实时测量Pa并实时对冠脉进行影像扫描，将Pa和所述影像扫描的结果作为神经网络的输入即可获得所述心外膜冠状动脉远端压力Pd。

于本发明的一实施例中，所述冠脉影像为数字减影血管造影影像。数字减影血管造影(Digital Subtraction Angiography，DSA)的基本原理是：将注入造影剂前后拍摄的两帧X线图像经数字化输入图像计算机，通过减影、增强和再成像过程把血管造影影像上的骨与软组织影像消除来获得清晰的纯血管影像，是电子计算机与常规X线血管造影相结合的一种检查方法。于本实施例中，在步骤S1中通过采用DSA造影技术获取冠脉的DSA影像，然后以所述DSA影像作为IMR的计算基础，相对于依据传统造影技术获得的IMR准确度更高。此外，DSA作为现在临床上常用的冠脉微血管疾病诊断方法，可以将其获得的冠脉DSA影像直接应用到所述冠脉微血管阻力指数获取方法中，无需单独为IMR的计算进行额外的冠脉造影，便于实际应用。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时能够实现本发明所述的冠脉微血管阻力指数获取方法。

请参阅图5，本发明还提供一种电子设备500，所述电子设备500包括：存储器510，存储有一计算机程序；处理器520，与所述存储器510通信相连，调用所述计算机程序时执行本发明所述的冠脉微血管阻力指数获取方法；显示器530，与所述处理器520和所述存储器510相连，用于显示本发明所述冠脉微血管阻力指数获取方法的相关GUI交互界面。

本发明所述的冠脉微血管阻力指数获取方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。

本发明所述的冠脉微血管阻力指数获取方法、介质及设备，具有以下有益效果：

所述冠脉微血管阻力指数获取方法中，通过冠脉影像的起始帧和终止帧获取造影剂传导时间，通过深度学习方式获取心外膜冠状动脉远端压力，无需依赖复杂高值耗材，节省了IMR值的获取成本；所述冠脉微血管阻力指数获取方法中，可以利用深度学习方法实现IMR的求解，该过程基本无需医生参与，减少了医生的操作量；所述冠脉微血管阻力指数获取方法中，无需复杂的建模过程来获取相关参数，算法复杂度相对较低且易于实现。

因此，与现有技术相比，本发明所述冠脉微血管阻力指数获取方法实现简单，不依赖于复杂高值耗材且无需医生进行复杂操作，能够普遍应用于临床中，有利于实现IMR指标在临床中的大规模使用。

综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种冠脉微血管阻力指数获取方法，其特征在于，所述冠脉微血管阻力指数获取方法包括：

获取冠脉影像，所述冠脉影像包括对目标对象注射造影剂后一段时间内连续多次扫描获得的影像；

根据所述造影剂的显影状态识别所述冠脉影像的起始帧和终止帧；

根据所述起始帧和所述终止帧以及扫描参数计算造影剂传导时间；

获得主动脉压并根据所述主动脉压计算心外膜冠状动脉远端压力；

根据所述心外膜冠状动脉远端压力和所述造影剂传导时间获得冠脉微血管阻力指数。

2.根据权利要求1所述的冠脉微血管阻力指数获取方法，其特征在于，根据所述造影剂的显影状态识别所述冠脉影像的起始帧和终止帧的实现方法包括：

所述起始帧为冠状动脉开始显影时刻至心外膜冠状动脉完全显影时刻之间的一帧影像；

所述终止帧为所述心外膜冠状动脉完全不显影时刻至冠状静脉完全显影时刻之间的一帧影像。

3.根据权利要求1所述的冠脉微血管阻力指数获取方法，其特征在于：

所述冠脉影像的起始帧的识别方法包括：将所述冠脉影像输入至第一神经网络模型进行识别，得到所述起始帧；

所述第一神经网络模型通过以下方法训练得到：

获得第一训练数据，所述第一训练数据包括：对人体注射造影剂后一段时间内连续多次扫描获得的冠脉影像，以及所述冠脉影像的起始帧标注信息；

以所述第一训练数据对一神经网络模型进行训练，获得所述第一神经网络模型。

4.根据权利要求1所述的冠脉微血管阻力指数获取方法，其特征在于：

所述冠脉影像的终止帧的识别方法包括：将所述冠脉影像输入至第二神经网络模型进行识别，得到所述终止帧；

所述第二神经网络模型通过以下方法训练得到：

获得第二训练数据，所述第二训练数据包括：对人体注射造影剂后一段时间内连续多次扫描获得的冠脉影像，以及所述冠脉影像的终止帧标注信息；

以所述第二训练数据对一神经网络模型进行训练，获得所述第二神经网络模型。

5.根据权利要求1所述的冠脉微血管阻力指数获取方法，其特征在于，计算心外膜冠状动脉远端压力的一种实现方法包括：

若冠状动脉不存在阻塞且未放置支架，所述心外膜冠状动脉远端压力Pd＝k×Pa；其中，Pa为所述主动脉压；k为压降系数且0.8≤k≤1。

6.根据权利要求1所述的冠脉微血管阻力指数获取方法，其特征在于，计算心外膜冠状动脉远端压力的一种实现方法包括：

若冠状动脉已放置支架，所述心外膜冠状动脉远端压力Pd＝k×Pa；其中，Pa为所述主动脉压；k为压降系数且0.5≤k≤1。

7.根据权利要求1所述的冠脉微血管阻力指数获取方法，其特征在于：

所述心外膜冠状动脉远端压力的计算方法包括：将所述冠脉影像和所述主动脉压输入至第三神经网络模型进行计算，得到所述心外膜冠状动脉远端压力；

所述第三神经网络模型通过以下方法训练得到：

获得第三训练数据，所述第三训练数据包括：对人体注射造影剂后一段时间内连续多次扫描获得的冠脉影像、对应的主动脉压Pa以及心外膜冠状动脉远端压力Pd；

以所述第三训练数据对一神经网络模型进行训练，获得所述第三神经网络模型。

8.根据权利要求1所述的冠脉微血管阻力指数获取方法，其特征在于：所述冠脉影像为数字减影血管造影影像。

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：该计算机程序被处理器执行时实现权利要求1-8任一项所述的冠脉微血管阻力指数获取方法。

10.一种电子设备，其特征在于，所述电子设备包括：

存储器，存储有一计算机程序；

处理器，与所述存储器通信相连，调用所述计算机程序时执行权利要求1-8任一项所述的冠脉微血管阻力指数获取方法；

显示器，与所述处理器和所述存储器通信相连，用于显示所述冠脉微血管阻力指数获取方法的相关GUI交互界面。

Images