CN114334160B - 求解血管功能学指标的方法、装置及计算机可读存储介质 - Google Patents
求解血管功能学指标的方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114334160B CN114334160B CN202111603629.1A CN202111603629A CN114334160B CN 114334160 B CN114334160 B CN 114334160B CN 202111603629 A CN202111603629 A CN 202111603629A CN 114334160 B CN114334160 B CN 114334160B
- Authority
- CN
- China
- Prior art keywords
- blood flow
- blood vessel
- flow model
- target
- narrow section
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000004218 vascular function Effects 0.000 title claims abstract description 20
- 230000017531 blood circulation Effects 0.000 claims abstract description 158
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 128
- 238000004364 calculation method Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 18
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 64
- 208000037804 stenosis Diseases 0.000 claims description 63
- 230000036262 stenosis Effects 0.000 claims description 63
- 230000008859 change Effects 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 230000002035 prolonged effect Effects 0.000 claims description 4
- 230000002792 vascular Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000004088 simulation Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012937 correction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002966 stenotic effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请提供了一种求解血管功能学指标的方法，该方法包括构建一维血流模型和狭窄血流模型，一维血流模型用于表征目标血管非狭窄段的血流特性，狭窄血流模型用于表征目标血管狭窄段的血流特性；采用一维血流模型，计算目标血管非狭窄段的功能学指标；采用狭窄血流模型，计算目标血管狭窄段的功能学指标，通过将狭窄段和非狭窄段分别处理，以实现在显著改进计算效率的情况下可以保证计算结果的准确性，解决了仅采用一维血流模型求解血管的功能学指标精准度较低的问题。
Description
技术领域
本申请涉及图像处理领域，具体而言，涉及一种求解血管功能学指标的方法、装置及计算机可读存储介质。
背景技术
在无创血流特性分析中，目前普遍采用的方法是在获得患者特定的三维几何结构之后，通过求解三维Navier-Stokes方程来模拟血流。但是这种方法从获得患者的影像数据后到最终计算出血管的功能学指标(例如FFR)所需时间很长，有的甚至能达几十小时，并且计算过程十分繁琐。为了能够方便快速地得到仿真结果，使用降阶模型(三维Navier-Stokes方程的简化)是个有效的方法。通过把三维几何结构简化为面积或半径参数化的中心线的一维骨架(即一维血流模型)，沿着中心线方向求解简化的方程，从而计算出沿着血管方向压力的变化，进而得出FFR等功能学指标。
基于降阶模型的简化求解方法虽然能够大大节省血流仿真的时间，但是由于三维模型的简化过程中引入了误差，这些误差将会影响降阶模型计算结果的准确性。因此，如何既能提高计算效率又能保证计算精度是该领域的重要研究课题。
发明内容
本申请的主要目的在于提供一种求解血管功能学指标的方法、装置及计算机可读存储介质，以解决现有技术中采用一维血流模型求解血管的功能学指标精准度较低的问题。
为了实现上述目的，根据本申请的一个方面，提供了一种求解血管功能学指标的方法，该方法包括构建一维血流模型和狭窄血流模型，上述一维血流模型用于表征目标血管非狭窄段的血流特性，上述狭窄血流模型用于表征上述目标血管狭窄段的血流特性；采用上述一维血流模型，计算上述目标血管非狭窄段的功能学指标；采用上述狭窄血流模型，计算上述目标血管狭窄段的功能学指标。
进一步地，上述方法还包括获取上述目标血管的图像数据；从上述图像数据中提取出上述目标血管的中心线。
进一步地，采用上述狭窄血流模型，求解上述目标血管狭窄段的功能学指标，包括获取上述狭窄段的真实长度；将上述真实长度经过延长处理，得到延长后的狭窄段长度；将上述延长后的狭窄段长度，代入上述狭窄血流模型中进行计算，得到上述目标血管狭窄段的功能学指标。
进一步地，获取上述狭窄段的真实长度，包括获取沿上述中心线方向的血管半径；根据上述血管半径识别出上述目标血管的狭窄段，并获取上述狭窄段的真实长度。
进一步地，将上述真实长度经过延长处理，得到延长后的狭窄段长度，包括获取上述目标血管的血流压力变化规律；根据上述血流压力变化规律，确定预定延长长度；将上述真实长度延长上述预定延长长度，得到延长后的上述狭窄段长度。
进一步地，采用上述一维血流模型，求解上述目标血管非狭窄段的功能学指标，包括获取上述目标血管的弯曲度；采用上述目标血管的弯曲度，对上述一维血流模型进行修正，得到修正一维血流模型；采用上述修正一维血流模型，求解上述目标血管非狭窄段的上述功能学指标。
进一步地，获取上述目标血管的弯曲度，包括获取上述目标血管的中心线的曲率；根据上述中心线的曲率，确定上述目标血管的弯曲度。
根据本申请的另一方面，提供了一种求解血管功能学指标的装置，包括构建单元，用于构建一维血流模型和狭窄血流模型，上述一维血流模型用于表征目标血管非狭窄段的血流特性，上述狭窄血流模型用于表征上述目标血管狭窄段的血流特性；第一计算单元，用于采用上述一维血流模型，计算上述目标血管非狭窄段的功能学指标；第二计算单元，用于采用上述狭窄血流模型，计算上述目标血管狭窄段的功能学指标。
根据本申请的另一方面，还提供了一种计算机可读存储介质，上述计算机可读存储介质包括存储的程序，在上述程序运行时控制上述计算机可读存储介质所在设备执行任意一种上述的方法。
根据本申请的另一方面，还提供了一种处理器，上述处理器用于运行程序，应用本申请的技术方案，其中，上述程序运行时执行任意一种上述的方法。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了本申请实施例的一种求解血管功能学指标的方法示意图；
图2示出了本申请实施例的一种求解血管功能学指标的装置示意图；
图3示出了本申请实施例的未修正的降阶模型、修正后的降阶模型以及三维仿真结果的对比示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应该理解的是，当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时，该元件可直接在该另一元件上，或者也可存在中间元件。而且，在说明书以及权利要求书中，当描述有元件“连接”至另一元件时，该元件可“直接连接”至该另一元件，或者通过第三元件“连接”至该另一元件。
正如背景技术中所介绍的，现有技术中采用一维血流模型求解血管的功能学指标精准度较低，为解决采用一维血流模型求解血管的功能学指标精准度较低的问题，本申请的实施例提供了一种求解血管功能学指标的方法、装置及计算机可读存储介质。
根据本申请的实施例，提供了一种求解血管功能学指标的方法。
图1是根据本申请实施例的求解血管功能学指标的方法的流程图。如图1所示，该方法包括以下步骤：
步骤S101，构建一维血流模型和狭窄血流模型，上述一维血流模型用于表征目标血管非狭窄段的血流特性，上述狭窄血流模型用于表征上述目标血管狭窄段的血流特性；
具体地，确定降阶模型(即一维血流模型)的简化形式，例如一个常用的一维稳态方程为：
其中，Q指的是流量，x指的是血管轴向位置，p指的是压力，f＝-2(ζ+2)μπU是摩擦项，ρ是密度，μ是粘性系数，A是血管的横截面积，ζ是表示血流速度剖面的参数。是血管横截面的平均速度。
具体地，对于一维降阶模型，自身无法处理狭窄，因此需要引入单独的狭窄模型处理狭窄处的血流变化。例如一个可用的狭窄模型为：
其中，△P是指血流流过狭窄区域的压力下降值，A0,As分别是参考和狭窄处的横截面积，Kv,Kt是依赖于几何和狭窄度的经验参数。例如，Kt＝1.52，
其中，D0,Ds分别是参考和狭窄处的血管直径，Ls是狭窄区域的长度。当然，本领域技术人员可以根据实际需求选择区别于上述模型的狭窄模型。例如，两种可选的狭窄模型如下：
模型1：
模型2：
步骤S102，采用上述一维血流模型，计算上述目标血管非狭窄段的功能学指标；
步骤S103，采用上述狭窄血流模型，计算上述目标血管狭窄段的功能学指标。
上述方案中，通过将狭窄段和非狭窄段分别处理，以实现在显著改进计算效率的情况下可以保证计算结果的准确性，解决了仅采用一维血流模型求解血管的功能学指标精准度较低的问题。进一步地，不仅解决了FFR计算中仿真计算时间长的问题，同时也保证了计算精度。
在本申请的一个实施例中，上述方法还包括：获取上述目标血管的图像数据；从上述图像数据中提取出上述目标血管的中心线，便于后续计算。具体地，可以采用水平集分割和中心线提取技术实现从上述图像数据中提取出上述目标血管的中心线。
在本申请的一个实施例中，采用上述狭窄血流模型，求解上述目标血管狭窄段的功能学指标，包括：获取上述狭窄段的真实长度；将上述真实长度经过延长处理，得到延长后的狭窄段长度；将上述延长后的狭窄段长度，代入上述狭窄血流模型中进行计算，得到上述目标血管狭窄段的功能学指标，提高求解血管的功能学指标精准度。
在本申请的一个实施例中，获取上述狭窄段的真实长度，包括：获取沿上述中心线方向的血管半径；根据上述血管半径识别出上述目标血管的狭窄段，并获取上述狭窄段的真实长度，从而提高求解血管的功能学指标精准度。由于狭窄段的半径相对于非狭窄段的半径比较小，所以可以根据半径的大小将目标血管的狭窄段识别出来。
在本申请的一个实施例中，将上述真实长度经过延长处理，得到延长后的狭窄段长度，包括：获取上述目标血管的血流压力变化规律；根据上述血流压力变化规律，确定预定延长长度；将上述真实长度延长上述预定延长长度，得到延长后的上述狭窄段长度，使得后续计算精度提高。由于狭窄段的存在使得血流压力发生了变化，所以根据血流压力变化规律可以预测狭窄段的长度。
具体地，处理影像数据，获得沿着中心线方向的血管半径。并且识别出狭窄区域。记识别出的狭窄区域长度为L1。由于血流在经过最窄处后，血管半径逐渐增大，从血流压力的变化可以观察出，在经过狭窄区域之后，狭窄带来的影响不会突然消失，存在一段压力逐渐增大的区域。而这个现象一维降阶模型无法处理，因此需要把识别出的狭窄长度适当延长，以便一维模型捕捉到压力回升的影响，记延长的长度为L2。那么狭窄模型中涉及的狭窄长度Ls＝L1+L2。
在本申请的一个实施例中，采用上述一维血流模型，求解上述目标血管非狭窄段的功能学指标，包括：获取上述目标血管的弯曲度；采用上述目标血管的弯曲度，对上述一维血流模型进行修正，得到修正一维血流模型；采用上述修正一维血流模型，求解上述目标血管非狭窄段的上述功能学指标，大大提高了求解血管的功能学指标精准度。由于现有的一维血流模型无法对目标血管的弯曲段进行处理，所以采用上述目标血管的弯曲度，对上述一维血流模型进行修正，得到修正一维血流模型，采用修正一维血流模型可实现对弯曲段的精准处理。为了提高血管功能学指标的准确性，本申请的一种实施例中，对于既狭窄又弯曲的血管，在狭窄血流模型的基础上引入弯曲度的概念，采用弯曲度对狭窄血流模型进行修正。
在本申请的一个实施例中，获取上述目标血管的弯曲度，包括：获取上述目标血管的中心线的曲率；根据上述中心线的曲率，确定上述目标血管的弯曲度，由于曲率直接影响弯曲度，所以根据曲率可以确定目标血管的弯曲度。加入曲率对FFR的影响，从而得到更准确的结果。
具体地，由于一维降阶模型自身不包含血管弯曲程度的信息，所以无法处理由于血管曲率变化对FFR产生的影响。为了使得降阶模型仿真结果更为精确，加入基于曲率的修正。一个可用的修正公式为：
其中，
其中，x是沿着血管轴向的坐标，r指的是血管的半径，Re指的是雷诺数，a是血管曲率。当γ≤1时，ΔPc＝0此时可以认为曲率对FFR的影响可以忽略。当然，本领域技术人员也可以选用其他的修正公式对曲率进行修正。
在给定适当的入口边界条件和出口边界条件之后，遍历血管树，求解降阶模型，从而得到目标位置的FFR值。本方案中的未修正的降阶模型、修正后的降阶模型以及三维仿真结果的对比如图3所示。从图3中可以发现，修正后狭窄下游的结果相比于修正前的结果，FFR的精度有了很大的改善。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种求解血管功能学指标的装置，需要说明的是，本申请实施例的求解血管功能学指标的装置可以用于执行本申请实施例所提供的用于求解血管功能学指标的方法。以下对本申请实施例提供的求解血管功能学指标的装置进行介绍。
图2是根据本申请实施例的求解血管功能学指标的装置的示意图。如图2所示，该装置包括：
构建单元10，用于构建一维血流模型和狭窄血流模型，上述一维血流模型用于表征目标血管非狭窄段的血流特性，上述狭窄血流模型用于表征上述目标血管狭窄段的血流特性；
第一计算单元20，用于采用上述一维血流模型，计算上述目标血管非狭窄段的功能学指标；
第二计算单元30，用于采用上述狭窄血流模型，计算上述目标血管狭窄段的功能学指标。
上述方案中，通过将狭窄段和非狭窄段分别处理，以实现在显著改进计算效率的情况下可以保证计算结果的准确性，解决了仅采用一维血流模型求解血管的功能学指标精准度较低的问题。进一步地，不仅解决了FFR计算中仿真计算时间长的问题，同时也保证了计算精度。
进一步地，该装置还包括获取单元和处理单元，获取单元用于获取所述目标血管的图像数据；处理单元从所述图像数据中提取出所述目标血管的中心线，便于后续计算。具体地，可以采用水平集分割和中心线提取技术实现从上述图像数据中提取出上述目标血管的中心线。
进一步地，第二计算单元包括第一获取模块、第一处理模块和第一计算模块，第一获取模块用于获取所述狭窄段的真实长度；第一处理模块用于将所述真实长度经过延长处理，得到延长后的狭窄段长度；第一计算模块用于将所述延长后的狭窄段长度，代入所述狭窄血流模型中进行计算，得到所述目标血管狭窄段的功能学指标，提高求解血管的功能学指标精准度。
进一步地，第一获取模块包括第一获取子模块和第二获取子模块，第一获取子模块用于获取沿所述中心线方向的血管半径；第二获取子模块用于根据所述血管半径识别出所述目标血管的狭窄段，并获取所述狭窄段的真实长度。由于狭窄段的半径相对于非狭窄段的半径比较小，所以可以根据半径的大小将目标血管的狭窄段识别出来。
进一步地，第一处理模块包括第三获取子模块、第一确定子模块和计算子模块，第三获取子模块用于获取所述目标血管的血流压力变化规律；第一确定子模块用于根据所述血流压力变化规律，确定预定延长长度；计算子模块用于将所述真实长度延长所述预定延长长度，得到延长后的所述狭窄段长度。由于狭窄段的存在使得血流压力发生了变化，所以根据血流压力变化规律可以预测狭窄段的长度。
进一步地，第二计算单元包括第二获取模块、第二处理模块和第二计算模块，第二获取模块用于获取所述目标血管的弯曲度；第二处理模块用于采用所述目标血管的弯曲度，对所述一维血流模型进行修正，得到修正一维血流模型；第二计算模块用于采用所述修正一维血流模型，求解所述目标血管非狭窄段的所述功能学指标。由于现有的一维血流模型无法对目标血管的弯曲段进行处理，所以采用上述目标血管的弯曲度，对上述一维血流模型进行修正，得到修正一维血流模型，采用修正一维血流模型可实现对弯曲段的精准处理。
进一步地，第二获取模块包括第四获取子模块和第二确定子模块，第四获取子模块用于获取所述目标血管的中心线的曲率；第二确定子模块用于根据所述中心线的曲率，确定所述目标血管的弯曲度。由于曲率直接影响弯曲度，所以根据曲率可以确定目标血管的弯曲度。加入曲率对FFR的影响，从而得到更准确的结果。
本发明实施例提供了一种计算机可读存储介质，上述计算机可读存储介质包括存储的程序,在上述程序运行时控制上述计算机可读存储介质所在设备执行上述方法中任意一项上述的方法，构建单元、第一计算单元、第二计算单元等均作为程序单元存储在一种计算机可读存储介质中，由一种计算机可读存储介质执行存储在存储器中的上述程序单元来实现相应的功能。
一种计算机可读存储介质可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种处理器，上述处理器用于运行程序，应用本申请的技术方案，其中，上述程序运行时执行上述方法中任意一项上述的方法，处理器执行程序时实现至少以下步骤：一种求解血管功能学指标的方法，该方法包括构建一维血流模型和狭窄血流模型，上述一维血流模型用于表征目标血管非狭窄段的血流特性，上述狭窄血流模型用于表征上述目标血管狭窄段的血流特性；采用上述一维血流模型，计算上述目标血管非狭窄段的功能学指标；采用上述狭窄血流模型，计算上述目标血管狭窄段的功能学指标。
进一步地，上述方法还包括获取上述目标血管的图像数据；从上述图像数据中提取出上述目标血管的中心线。
进一步地，采用上述狭窄血流模型，求解上述目标血管狭窄段的功能学指标，包括获取上述狭窄段的真实长度；将上述真实长度经过延长处理，得到延长后的狭窄段长度；将上述延长后的狭窄段长度，代入上述狭窄血流模型中进行计算，得到上述目标血管狭窄段的功能学指标。
进一步地，获取上述狭窄段的真实长度，包括获取沿上述中心线方向的血管半径；根据上述血管半径识别出上述目标血管的狭窄段，并获取上述狭窄段的真实长度。
进一步地，将上述真实长度经过延长处理，得到延长后的狭窄段长度，包括获取上述目标血管的血流压力变化规律；根据上述血流压力变化规律，确定预定延长长度；将上述真实长度延长上述预定延长长度，得到延长后的上述狭窄段长度。
进一步地，采用上述一维血流模型，求解上述目标血管非狭窄段的功能学指标，包括获取上述目标血管的弯曲度；采用上述目标血管的弯曲度，对上述一维血流模型进行修正，得到修正一维血流模型；采用上述修正一维血流模型，求解上述目标血管非狭窄段的上述功能学指标。
进一步地，获取上述目标血管的弯曲度，包括获取上述目标血管的中心线的曲率；根据上述中心线的曲率，确定上述目标血管的弯曲度。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中采用一维血流模型求解血管的功能学指标精准度较低的问题。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
实施例
本实施例涉及一种具体的求解血管功能学指标的方法，该方法包括如下步骤：
步骤1：构建一维血流模型和狭窄血流模型，所述一维血流模型用于表征目标血管非狭窄段的血流特性，所述狭窄血流模型用于表征所述目标血管狭窄段的血流特性；
步骤2：获取所述目标血管的图像数据；
步骤3：从所述图像数据中提取出所述目标血管的中心线；
步骤4：获取所述目标血管的中心线的曲率；
步骤5：根据所述中心线的曲率，确定所述目标血管的弯曲度；
步骤6：采用所述目标血管的弯曲度，对所述一维血流模型进行修正，得到修正一维血流模型；
步骤7：采用所述修正一维血流模型，求解所述目标血管非狭窄段的所述功能学指标；
步骤8：获取沿所述中心线方向的血管半径；
步骤9：根据所述血管半径识别出所述目标血管的狭窄段，并获取所述狭窄段的真实长度；
步骤10：获取所述目标血管的血流压力变化规律；
步骤11：根据所述血流压力变化规律，确定预定延长长度；
步骤12：将所述真实长度延长所述预定延长长度，得到延长后的所述狭窄段长度；
步骤13：将所述延长后的狭窄段长度，代入所述狭窄血流模型中进行计算，得到所述目标血管狭窄段的功能学指标。
从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：
1)、本申请的求解血管功能学指标的方法，该方法包括构建一维血流模型和狭窄血流模型，上述一维血流模型用于表征目标血管非狭窄段的血流特性，上述狭窄血流模型用于表征上述目标血管狭窄段的血流特性；采用上述一维血流模型，计算上述目标血管非狭窄段的功能学指标；采用上述狭窄血流模型，计算上述目标血管狭窄段的功能学指标，解决了现有技术中采用一维血流模型求解血管的功能学指标精准度较低的问题，进而以实现在显著改进计算效率的情况下可以保证计算结果的准确性，不仅解决了FFR计算中仿真计算时间长的问题，同时也保证了计算精度。
2)、本申请的求解血管功能学指标的装置，该装置包括构建单元、第一计算单元和第二计算单元，构建单元用于构建一维血流模型和狭窄血流模型，上述一维血流模型用于表征目标血管非狭窄段的血流特性，上述狭窄血流模型用于表征上述目标血管狭窄段的血流特性；第一计算单元用于采用上述一维血流模型，计算上述目标血管非狭窄段的功能学指标；第二计算单元用于采用上述狭窄血流模型，计算上述目标血管狭窄段的功能学指标上述装置解决了现有技术中采用一维血流模型求解血管的功能学指标精准度较低的问题，进而以实现在显著改进计算效率的情况下可以保证计算结果的准确性，不仅解决了FFR计算中仿真计算时间长的问题，同时也保证了计算精度。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (8)
1.一种求解血管功能学指标的方法，其特征在于，包括：
构建一维血流模型和狭窄血流模型，所述一维血流模型用于表征目标血管非狭窄段的血流特性，所述狭窄血流模型用于表征目标血管狭窄段的血流特性；
采用所述一维血流模型，计算所述目标血管非狭窄段的功能学指标；
采用所述狭窄血流模型，计算所述目标血管狭窄段的功能学指标；
其中，采用所述狭窄血流模型，求解所述目标血管狭窄段的功能学指标，包括：
获取所述狭窄段的真实长度；
将所述真实长度经过延长处理，得到延长后的狭窄段长度；
将所述延长后的狭窄段长度，代入所述狭窄血流模型中进行计算，得到所述目标血管狭窄段的功能学指标；
其中，在经过所述狭窄段之后，狭窄带来的影响不会突然消失，存在一段压力大于所述狭窄段处压力的区域；
其中，将所述真实长度经过延长处理，得到延长后的狭窄段长度，包括：
获取所述目标血管的血流压力变化规律；
根据所述血流压力变化规律，确定预定延长长度；
将所述真实长度延长所述预定延长长度，得到延长后的所述狭窄段长度。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述目标血管的图像数据；
从所述图像数据中提取出所述目标血管的中心线。
3.根据权利要求2所述的方法，其特征在于，获取所述狭窄段的真实长度，包括：
获取沿所述中心线方向的血管半径；
根据所述血管半径识别出所述目标血管的狭窄段，并获取所述狭窄段的真实长度。
4.根据权利要求2所述的方法，其特征在于，采用所述一维血流模型，求解所述目标血管非狭窄段的功能学指标，包括：
获取所述目标血管的弯曲度；
采用所述目标血管的弯曲度，对所述一维血流模型进行修正，得到修正一维血流模型；
采用所述修正一维血流模型，求解所述目标血管非狭窄段的所述功能学指标。
5.根据权利要求4所述的方法，其特征在于，获取所述目标血管的弯曲度，包括：
获取所述目标血管的中心线的曲率；
根据所述中心线的曲率，确定所述目标血管的弯曲度。
6.一种求解血管功能学指标的装置，其特征在于，包括：
构建单元，用于构建一维血流模型和狭窄血流模型，所述一维血流模型用于表征目标血管非狭窄段的血流特性，所述狭窄血流模型用于表征目标血管狭窄段的血流特性；
第一计算单元，用于采用所述一维血流模型，计算所述目标血管非狭窄段的功能学指标；
第二计算单元，用于采用所述狭窄血流模型，计算所述目标血管狭窄段的功能学指标；
其中，所述第二计算单元包括第一获取模块、第一处理模块和第一计算模块，
所述第一获取模块，用于获取所述狭窄段的真实长度；
所述第一处理模块，用于将所述真实长度经过延长处理，得到延长后的狭窄段长度；
所述第一计算模块，用于将所述延长后的狭窄段长度，代入所述狭窄血流模型中进行计算，得到所述目标血管狭窄段的功能学指标；
其中，在经过所述狭窄段之后，狭窄带来的影响不会突然消失，存在一段压力大于所述狭窄段处压力的区域；
其中，所述第一处理模块包括第三获取子模块、第一确定子模块和计算子模块；
所述第三获取子模块，用于获取所述目标血管的血流压力变化规律；
所述第一确定子模块，用于根据所述血流压力变化规律，确定预定延长长度；
所述计算子模块，用于将所述真实长度延长所述预定延长长度，得到延长后的所述狭窄段长度。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至5中任意一项所述的方法。
8.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111603629.1A CN114334160B (zh) | 2021-12-24 | 2021-12-24 | 求解血管功能学指标的方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111603629.1A CN114334160B (zh) | 2021-12-24 | 2021-12-24 | 求解血管功能学指标的方法、装置及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114334160A CN114334160A (zh) | 2022-04-12 |
| CN114334160B true CN114334160B (zh) | 2023-11-28 |
Family
ID=81013796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111603629.1A Active CN114334160B (zh) | 2021-12-24 | 2021-12-24 | 求解血管功能学指标的方法、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114334160B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103300820A (zh) * | 2012-03-13 | 2013-09-18 | 西门子公司 | 用于冠状动脉狭窄的非侵入性功能评估的方法和系统 |
| CN105190630A (zh) * | 2013-01-15 | 2015-12-23 | 凯瑟沃克斯有限公司 | 计算血流储备分数 |
| US9349178B1 (en) * | 2014-11-24 | 2016-05-24 | Siemens Aktiengesellschaft | Synthetic data-driven hemodynamic determination in medical imaging |
| CN108451540A (zh) * | 2017-02-17 | 2018-08-28 | 深圳先进技术研究院 | 一种血流储备分数测量方法和装置 |
| CN110853029A (zh) * | 2017-11-15 | 2020-02-28 | 深圳科亚医疗科技有限公司 | 用于基于医学图像自动预测血流特征的方法、系统和介质 |
| CN111241759A (zh) * | 2020-01-13 | 2020-06-05 | 北京工业大学 | 一种基于零维血流动力学模型的ffr快速计算系统模型 |
| CN113040796A (zh) * | 2021-03-12 | 2021-06-29 | 北京阅影科技有限公司 | 获取冠状动脉功能学指标的方法与装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10332255B2 (en) * | 2014-02-04 | 2019-06-25 | Zhongle Wu | Method for assessing stenosis severity in a lesion tree through stenosis mapping |
-
2021
- 2021-12-24 CN CN202111603629.1A patent/CN114334160B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103300820A (zh) * | 2012-03-13 | 2013-09-18 | 西门子公司 | 用于冠状动脉狭窄的非侵入性功能评估的方法和系统 |
| CN108294735A (zh) * | 2012-03-13 | 2018-07-20 | 西门子公司 | 用于冠状动脉狭窄的非侵入性功能评估的方法和系统 |
| CN105190630A (zh) * | 2013-01-15 | 2015-12-23 | 凯瑟沃克斯有限公司 | 计算血流储备分数 |
| US9349178B1 (en) * | 2014-11-24 | 2016-05-24 | Siemens Aktiengesellschaft | Synthetic data-driven hemodynamic determination in medical imaging |
| CN108451540A (zh) * | 2017-02-17 | 2018-08-28 | 深圳先进技术研究院 | 一种血流储备分数测量方法和装置 |
| CN110853029A (zh) * | 2017-11-15 | 2020-02-28 | 深圳科亚医疗科技有限公司 | 用于基于医学图像自动预测血流特征的方法、系统和介质 |
| CN111241759A (zh) * | 2020-01-13 | 2020-06-05 | 北京工业大学 | 一种基于零维血流动力学模型的ffr快速计算系统模型 |
| CN113040796A (zh) * | 2021-03-12 | 2021-06-29 | 北京阅影科技有限公司 | 获取冠状动脉功能学指标的方法与装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114334160A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2693401B1 (en) | Vessel segmentation method and apparatus using multiple thresholds values | |
| CN112652011B (zh) | 目标血管的提取方法、提取装置与计算机可读存储介质 | |
| US11030411B2 (en) | Methods, apparatuses, and devices for generating word vectors | |
| US20170323587A1 (en) | Blood-vessel-shape construction device for blood-flow simulation, method therefor, and computer software program | |
| CN106610931B (zh) | 话题名称的提取方法及装置 | |
| CN106855952A (zh) | 基于神经网络的计算方法及装置 | |
| CN114757950B (zh) | 超声图像处理方法、装置以及计算机可读存储介质 | |
| CN108460003B (zh) | 文本数据的处理方法和装置 | |
| CN106899519B (zh) | 支付渠道流量配置方法及装置 | |
| CN113841159A (zh) | 由电子装置在神经网络中的特定层执行卷积运算的方法及其电子装置 | |
| CN114334160B (zh) | 求解血管功能学指标的方法、装置及计算机可读存储介质 | |
| CN111832693B (zh) | 神经网络层运算、模型训练方法、装置及设备 | |
| US10354349B2 (en) | Systems and methods for using geometry sensitivity information for guiding workflow | |
| CN108040250B (zh) | 一种智能电视性能的评估方法和装置 | |
| CN108304778B (zh) | 一种基于压缩域的振动信号特征提取方法 | |
| CN113689938A (zh) | 医学影像的勾画方法、装置、存储介质及处理器 | |
| CN114298988B (zh) | 计算血管功能学指标的方法、装置、存储介质及处理器 | |
| US20200050892A1 (en) | System to identify and explore relevant predictive analytics tasks of clinical value and calibrate predictive model outputs to a prescribed minimum level of predictive accuracy | |
| CN114817209A (zh) | 监控规则的处理方法和装置、处理器及电子设备 | |
| CN113269806B (zh) | 测量血管内部血流流量的方法、装置与处理器 | |
| CN108267613B (zh) | 一种测风数据处理方法及相关设备 | |
| CN115049683B (zh) | 放疗影像靶区的勾画方法和装置、处理器及电子设备 | |
| CN114397671B (zh) | 目标的航向角平滑方法、装置及计算机可读存储介质 | |
| CN106610833B (zh) | 一种触发重叠html元素鼠标事件的方法及装置 | |
| CN111368931B (zh) | 确定图像分类模型的学习率的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |