CN114998319B - 图像数据处理方法、装置、图像数据处理设备及存储介质 - Google Patents

图像数据处理方法、装置、图像数据处理设备及存储介质 Download PDF

Info

Publication number
CN114998319B
CN114998319B CN202210838747.9A CN202210838747A CN114998319B CN 114998319 B CN114998319 B CN 114998319B CN 202210838747 A CN202210838747 A CN 202210838747A CN 114998319 B CN114998319 B CN 114998319B
Authority
CN
China
Prior art keywords
blood vessel
flow
blood
boundary condition
waveform
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
Application number
CN202210838747.9A
Other languages
English (en)
Other versions
CN114998319A (zh
Inventor
高琪
刘笑语
刘星利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Shengshi Technology Co ltd
Zhejiang University ZJU
Original Assignee
Hangzhou Shengshi Technology Co ltd
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Shengshi Technology Co ltd, Zhejiang University ZJU filed Critical Hangzhou Shengshi Technology Co ltd
Priority to CN202210838747.9A priority Critical patent/CN114998319B/zh
Publication of CN114998319A publication Critical patent/CN114998319A/zh
Application granted granted Critical
Publication of CN114998319B publication Critical patent/CN114998319B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Cardiology (AREA)
  • Vascular Medicine (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本申请提供的图像数据处理方法，获得血管图像的一维模型；设置初始条件、入口边界条件和采用零维参数模型设定的出口边界条件；基于一维模型、初始条件、入口边界条件和出口边界条件进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数。本申请还提供了一种图像数据处理装置、图像数据处理设备及存储介质。

Description

图像数据处理方法、装置、图像数据处理设备及存储介质
技术领域
本申请涉及但不限于图像处理领域，尤其涉及一种图像数据处理方法、装置、图像数据处理设备及存储介质。
背景技术
目前，血管内血流动力学计算方法的计算流程为：获取局部血管的图像、对图像进行处理从而提取血管三维（3-dimension，3D）模型；设置初始条件和出入口边界条件，对流场求解、得到血流动力学参数。然而，由于3D流场本身的复杂性，对计算设备要求较高，且计算耗时过长，无法快速评估血管内血流动力学参数。
发明内容
本申请实施例提供一种图像数据处理方法、装置、图像数据处理设备及存储介质。
本申请实施例的技术方案是这样实现的：
一种图像数据处理方法，所述方法包括：
获得血管图像的一维模型；
设置初始条件、入口边界条件和采用零维参数模型设定的出口边界条件；
基于所述一维模型、所述初始条件、所述入口边界条件和所述出口边界条件进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数。
一种图像数据处理装置，所述装置包括：
获得模块，用于获得血管图像的一维模型；
处理模块，用于设置初始条件、入口边界条件和采用零维参数模型设定的出口边界条件；
所述处理模块，用于基于所述一维模型、初始条件、入口边界条件和出口边界条件进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数。
本申请实施例提供一种图像数据处理设备，所述图像数据处理设备包括：处理器、存储器和通信总线；
所述通信总线用于实现处理器和存储器之间的通信连接；
所述处理器用于执行存储器中存储的图像数据处理程序，以实现上述所述的图像数据处理方法的步骤。
本申请实施例提供一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述所述的图像数据处理方法的步骤。
本申请提供的图像数据处理方法、装置、图像数据处理设备及存储介质，通过获得血管图像的一维模型；设置初始条件、入口边界条件和采用零维参数模型设定的出口边界条件；基于一维模型、初始条件、入口边界条件和采用零维参数模型设定的出口边界条件进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数；也就是说，本申请采用一维-零维（1D-0D）耦合的方式，计算血流动力学参数，得到血流动力学参数的非定常解，相比相关技术中基于三维计算血管内血流动力学参数的方式而言，对降维后的1D模型、0D参数模型等数据进行处理，可以缩短获得非定常血流动力学参数的时间，而且，得到的非定常血流动力学参数可以支持更全面地对各种生物血管的异常表现进行分析。
附图说明
图1本申请实施例提供的图像数据处理方法的流程示意图一；
图2本申请实施例提供的冠状动脉的相关模型示意图；
图3本申请实施例提供的0D参数模型的示意图；
图4本申请实施例提供的冠状动脉的标准波形示意图；
图5本申请实施例提供的图像数据处理方法的流程示意图二；
图6本申请实施例提供的标准冠状动脉入口流量波形示意图；
图7本申请实施例提供的基于标准冠状动脉得到的入口压力波形示意图；
图8本申请实施例提供的冠状动脉血管存在明显的局部狭窄的示意图；
图9本申请实施例提供的冠状动脉入口狭窄段后40mm处的压力波形示意图；
图10本申请实施例提供的全身血管系统的示意图；
图11本申请实施例提供的求解得到的主动脉根部、主动脉弓、胸主动脉、左股动脉处压力波形的示意图；
图12本申请实施例提供的入口边界条件为0D左心室模型的示意图；
图13本申请实施例提供的求解得到的主动脉入口处的压力波形和流量波形示意图一；
图14本申请实施例提供的求解得到的主动脉出口处的压力波形和流量波形示意图二；
图15本申请实施例提供的图像数据处理装置的结构示意图；
图16本申请实施例提供的图像数据处理设备的结构示意图。
具体实施方式
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作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
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”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例提供的图像数据处理设备可以实施为笔记本电脑，平板电脑，台式计算机，移动设备（例如，个人数字助理，专用消息设备），智能机器人等任意图像数据处理设备，也可以实施为服务器。下面，将说明图像数据处理设备实施为图像数据处理设备时的示例性应用。
本申请实施例提供一种图像数据处理方法，该方法应用于图像数据处理设备，参见图1所示，该方法包括：
步骤101、获得血管图像的一维模型。
本申请实施例中，获得血管图像的一维模型，可以通过如下步骤实现：获得血管图像的点云（Point Cloud）信息；基于点云信息提取中心线及节点，并得到一维（1D）模型。
在一个可实现的场景中，图像数据处理设备可以对血管的医学图像数据提取感兴趣区域的点云信息，从中可以提取出目标血管的中心线数据和/或面网格模型即3D模型，该中心线数据包括但不限于中心线上各节点的三维坐标，该节点处的血管等效半径和切向量。这里，医学图像包括冠状动脉医学影像，包括但不限于采用电子计算机断层扫描（Computed Tomography，CT）、核磁共振成像（Magnetic Resonance Imaging，MRI）、数字减影血管造影（Digital subtraction angiography，DSA）获得的影像，其中，获得的影像的表达形式不限于二维、三维、四维，只要能够获得冠状动脉的点云信息即可。进一步的，根据点云信息，重构3D模型包括但不限于以下方法，比如设置阈值、选取一定数量的等值面、建立连通域，并采用插值、平滑等方法对含有异常狭窄的血管进行修复处理，进而基于点云信息，提取血管中心线。示例性的，参考图2所示，图2中的A图为冠状动脉重构后的中心线模型；图2中的B图为中心线模型对应的3D模型；图2中的C图为仿真求解时实际输入求解器的1D模型，这里，1D模型可以理解为：忽略中心线模型的弯曲，只取x方向坐标而忽略y方向和z方向的坐标，也就是只体现血管的长度信息，需要说明的是图2中的C图虽然看起来是个2D的，但是实际上y方向不包含长度信息，只体现血管网络的层级关系。
本申请一些实施例中，还可以对1D模型中心线上的节点进行整理和排序，创建层级关系：根据父子节点的继承关系和预设的血液流动方向，例如从近心端流向远心端，确定排序好的节点及所在中心线代表的血管段的层级连接关系和入口、出口位置，构成树状血管系统。
本申请一些实施例中，血管图像的1D模型包含但不限于如下信息：冠状动脉各分支之间的层级关系、血管段的中心线上各节点的x方向坐标向量和横截面积。
本申请一些实施例中，获得的血管图像的一维模型内，各节点间距尺度小于预设尺度，例如约10-4量级左右，由此可知，对节点的拟合足够反映实际血管的形态。进一步的，以中心线上的节点作为网格单元边界，以相邻两节点之间的距离作为单元长度，并用平滑样条曲线对各节点对应的血管截面积进行拟合，得到A=A(x)；其中，A为血管截面积，x为中心线节点沿血管的轴向坐标。
步骤102、设置初始条件、入口边界条件和采用零维参数模型设定的出口边界条件。
本申请实施例中，设置初始条件包括但不限于设置初始面积、初始速度。例如，可以将中心线上各节点对应的血管截面积作为初始面积，初始速度均设为预设速度，如初始速度为0。
步骤103、基于一维模型、初始条件、入口边界条件和出口边界条件进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数。
本申请实施例中，基于一维模型、初始条件、入口边界条件和出口边界条件进行仿真求解，可以求得每个血管段中心线上各点的面积和速度随时间的变化，进而可求得各点流量和压力随时间的变化，得到血管内中心线上各点的非定常血流动力学参数。
本申请实施例提供的图像数据处理方法，通过获得血管图像的一维模型；设置初始条件、入口边界条件和采用零维参数模型设定的出口边界条件；基于一维模型、初始条件、入口边界条件和采用零维参数模型设定的出口边界条件进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数；也就是说，本申请采用一维-零维（1D-0D）耦合的方式，计算血流动力学参数，得到血流动力学参数的非定常解，相比相关技术中基于三维计算血管内血流动力学参数的方式而言，对降维后的1D模型、0D参数模型等数据进行处理，可以缩短获得非定常血流动力学参数的时间，而且，得到的非定常血流动力学参数可以支持更全面地对各种生物血管的异常表现进行分析。
本申请实施例提供的图像数据处理方法，计算成本低、计算速度快，以冠状动脉为例，实验数据表明，通常可在十分钟以内完成非定常的血流动力学参数计算，可实时获得血流动力学参数。
本申请一些实施例中，在求解前，还可以设置仿真求解过程中涉及的一些参数：如设置血管壁刚度系数、血液粘性及密度、时间步长、速度剖面系数等。
示例性的，在降维计算中，速度剖面可以通过如下公式（1）得到：
Figure DEST_PATH_IMAGE001
其中，U为平均流速，
Figure 470462DEST_PATH_IMAGE002
为速度剖面系数，
Figure 922303DEST_PATH_IMAGE002
取值范围[1.0,1.3]，r为血管径向坐标，R为血管半径。
本申请一些实施例中，步骤103基于一维模型、初始条件、入口边界条件和出口边界条件进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数，还可以基于流体控制方程、一维模型、初始条件、入口边界条件和出口边界条件进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数。
流体控制方程包括如下公式（2）至公式（5）：
Figure 51934DEST_PATH_IMAGE003
Figure 538410DEST_PATH_IMAGE004
Figure 829714DEST_PATH_IMAGE005
Figure 34430DEST_PATH_IMAGE006
其中，A为血管截面积，
Figure 702172DEST_PATH_IMAGE007
为时间，x为中心线节点沿血管的轴向坐标，
Figure 774646DEST_PATH_IMAGE008
为初始血管截面积，U为平均流速，p为压力，
Figure 705692DEST_PATH_IMAGE009
为初始压力，f为单位长度的阻力，
Figure 397705DEST_PATH_IMAGE010
为血液粘性，
Figure 869138DEST_PATH_IMAGE011
为血管壁刚度系数。
在一些实施例中，如血管有其他特性，如斑块、狭窄等，狭窄位置处的粘性损失不可忽略，此时动量方程粘性损失项不再等于0，而是引入粘性损失项。对狭窄位置引用如下公式（6）来计算粘性损失函数N：
Figure 330206DEST_PATH_IMAGE012
其中，
Figure 963313DEST_PATH_IMAGE013
是狭窄位置处的血管截面积，
Figure 939359DEST_PATH_IMAGE014
是正常血管的截面积，
Figure 948903DEST_PATH_IMAGE015
是狭窄位置处的流量，
Figure 998899DEST_PATH_IMAGE016
是正常血管的流量，L是狭窄段的长度，
Figure DEST_PATH_IMAGE017
取值范围[1.4,1.6]，
Figure 9099DEST_PATH_IMAGE018
，
Figure 675703DEST_PATH_IMAGE019
是雷诺数，D0是正常血管直径，
Figure 692201DEST_PATH_IMAGE007
为时间。
本申请其他实施例中，步骤103基于一维模型、初始条件、入口边界条件和出口边界条件进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数之后，还可以执行如下步骤：
基于血管图像对应部位的生理特征，对非定常血流动力学参数进行后处理，得到血管图像对应部位的波形特征和/或定常生理参数。
示例性的，在得到非定常解的情况下，对计算稳定后的一个周期取时间平均，可得到定常解，以血管截面积为例，血管截面积的定常解可以通过公式（7）得到：
Figure 862282DEST_PATH_IMAGE020
其中，A为血管截面积，x为中心线节点沿血管的轴向坐标，T为一个完整心跳周期，
Figure 571612DEST_PATH_IMAGE021
为A对应的定常解。
本申请可以得到血流动力学参数的定常解和非定常解，结果数据种类更丰富，便于针对血管图像对应部位的波形特征进行其他研究。
本申请其他实施例中，步骤102中设置出口边界条件，可以通过如下步骤实现：
基于血管图像对应部位的生理特性，从零维参数模型中选择电路元件以模拟实际血管末端的生理条件，其中，电路元件包括用于体现血管阻力对血液流动的影响的电阻，用于体现血管壁顺应性对血液流动的影响的电容，用于体现血液惯性对于血液流动的影响的电感。
本申请实施例中，出口边界条件采用0D参数模型，来模拟实际血管末端的生理条件。0D参数模型包括但不限于以下几种：如图3中的A图所示的一元（R）模型、如图3中的B图所示的三元（RCR）模型、如图3中的C图所示的四元模型（RCLR）模型、如图3中的D图所示的五元（RCRCR）模型。其中，0D参数模型中电阻体现血管阻力对血液流动的影响，电容体现血管壁顺应性对血液流动的影响，电感体现血液惯性对于血液流动的影响。因此在选择0D参数模型中的电路元件时，可以根据血管图像对应部位的生理特征如研究部位的生理特性确定，比如对于主动脉出口可以选用三元出口，冠状动脉可以选用五元出口。可见，本申请不仅考虑了目标血管的阻力和顺应性，还可根据实际生理条件，模拟出口外其他血管的阻力、顺应性、血液惯性对于目标血管血流动力学参数的影响。
本申请其他实施例中，步骤102中设置入口边界条件条件，可以通过如下方式实现：
设置压力波形、流量波形、零维参数模型中的任一个作为入口边界条件。
其中，方式一、入口边界条件为流量波形，设置流量波形，包括：
通过如下转换公式（8），将心肌质量对应的标准冠状动脉入口流量波形转换成特异性冠状动脉入口流量波形：
Figure 256671DEST_PATH_IMAGE022
其中，
Figure 811281DEST_PATH_IMAGE023
是冠状动脉的平均血流量，
Figure 101448DEST_PATH_IMAGE024
为转换系数，取值范围[5.0,6.0]，k1为幂指数，取值范围[0.5,1.0]，
Figure 512838DEST_PATH_IMAGE025
为左心室心肌质量。
方式二、入口边界条件为流量波形，设置流量波形，还包括：
对于各分支的血流量，一段血管所含流量可以通过如下公式（9）得到：
Figure 682263DEST_PATH_IMAGE026
其中，
Figure 306143DEST_PATH_IMAGE027
为血管段
Figure 185237DEST_PATH_IMAGE028
所含流量，
Figure DEST_PATH_IMAGE029
为血管段
Figure 642894DEST_PATH_IMAGE028
的平均直径，k2为幂指数，取值范围[2,4]，i为各血管分支的编号，i为正数，
Figure 36966DEST_PATH_IMAGE030
为入口平均流量。
可以理解地，上述方式一是针对总入口的流量确定方式，上述方式二是在方式一的基础上，进一步针对血管分叉处的流量分配方式。
方式三、入口边界条件为压力波形，设置压力波形，包括：
基于如下调整公式（10）至公式（12），采用实际舒张压和收缩压对实际入口压力波形进行调整：
Figure 995695DEST_PATH_IMAGE031
Figure 994875DEST_PATH_IMAGE032
Figure 748067DEST_PATH_IMAGE033
其中，
Figure 292751DEST_PATH_IMAGE034
为实际入口压力波形，
Figure 55170DEST_PATH_IMAGE035
为形状因子，
Figure 908857DEST_PATH_IMAGE036
为标准入口压力波形，
Figure DEST_PATH_IMAGE037
为实际主动脉压平均值，
Figure 770634DEST_PATH_IMAGE038
为预设的主动脉压平均值，
Figure 342560DEST_PATH_IMAGE039
为实际收缩压，
Figure 643092DEST_PATH_IMAGE040
为实际舒张压，
Figure DEST_PATH_IMAGE041
为标准波形的收缩压，
Figure 554547DEST_PATH_IMAGE042
为标准波形的舒张压。
示例性的，
Figure DEST_PATH_IMAGE043
，
Figure 849875DEST_PATH_IMAGE044
，
Figure DEST_PATH_IMAGE045
。
示例性的，在采用压力波形作为入口边界条件的情况下，以冠状动脉的血流动力学特性为例，可以将主动脉根部的压力波形作为入口边界条件，标准波形参见图4所示，进而基于上述调整公式根据实际舒张压和收缩压来对波形进行调整。本申请提供的图像数据处理方法具有无创性，对已知的血流动力学参数条件要求较低，只需要一些非侵入性指标，例如收缩压、舒张压、心率、心血管的医学影像中的至少部分指标，即可计算得到具有一定特异性的血流动力学参数解。
方式四、入口边界条件为零维参数模型，设置零维参数模型，包括：
基于血管图像对应部位的生理特性，从0D参数模型中选择电路元件以模拟血管入口处的生理条件，其中，电路元件包括二极管，二极管的单向流通性表示心脏瓣膜对于血液流向的控制，用于体现心室阻力对血液流动的影响的电阻，用于体现心脏壁顺应性对血液流动的影响的电容，用于体现血液惯性对于血液流动的影响的电感。
示例性的，对于心血管问题，可通过将左右心室等效为0D参数模型，二极管的单向流通性表示心脏瓣膜对于血液流向的控制，电阻体现心室阻力对血液流动的影响，电容体现心脏壁顺应性对血液流动的影响，电感体现血液惯性对于血液流动的影响。
本申请提供的图像数据处理方法不局限于医学影像的显示范围和部位，可对局部或全身的医学影像提取出的感兴趣区域进行求解，可应用于多种图像数据处理场景。
图像数据处理场景一、以血管图像为冠状动脉的医学影像为例，对本申请提供的图像数据处理方法进行说明，该方法应用于图像数据处理设备，以实现基于健康冠状动脉1D-0D模型得到非定常血流动力学参数，该方法包括如图5所示的步骤：
步骤301、获得冠状动脉的医学影像的1D模型。
这里，在获得冠状动脉的医学影像的情况下，提取中心线上各点向量及对应横截面积，得到离散点信息；根据每个中心线的连接关系，确定每个冠状动脉分支的层级关系，从而得到树状的1D模型。如图2中的C图，1D模型包含但不限于如下信息：冠状动脉各分支之间的层级关系、血管段的中心线上各节点x方向坐标向量和横截面积。
步骤302、设置仿真求解过程中涉及的参数、入口边界条件、出口边界条件和初始条件。
这里，仿真求解过程中涉及的参数又称为仿真求解参数。示例性的，仿真求解参数包括但不限于血管壁刚度系数
Figure 377939DEST_PATH_IMAGE011
的取值范围[
Figure 685424DEST_PATH_IMAGE046
,
Figure 513702DEST_PATH_IMAGE047
]。
这里，初始条件包括：初始面积为3D重构后得到中心线对应的面积，初始速度均为0。
其中，入口边界条件包括流量波形。
在一些实施例中，可将入口平均流量的选择与心肌质量联系，以体现冠状动脉的医学影像的个性化参数，通过上述转换公式（8），将心肌质量对应的标准冠状动脉入口流量波形转换成特异性冠状动脉入口流量波形：
Figure 45178DEST_PATH_IMAGE048
，其中，
Figure 326118DEST_PATH_IMAGE023
是冠状动脉的平均血流量，
Figure 968451DEST_PATH_IMAGE024
为转换系数，取值范围[5.0,6.0]，k1为幂指数，取值范围[0.5,1.0]，
Figure 651237DEST_PATH_IMAGE025
为左心室心肌质量。
示例性的，在设置入口边界条件如流量波形时，可以将100g左心室心肌质量对应的标准冠状动脉入口流量波形（参见图6所示），转换成特异性冠状动脉入口流量波形。由于该病例的心肌质量为159.6g，对标准冠状动脉入口流量波形进行修正，得到可体现该病例特异性的入口流量波形。
其中，出口边界条件包括零维参数模型。
由于冠状动脉不同于人体其他大动脉，主要靠主动脉和微循环血管床的压力差驱动，且主要分布在心外膜上，因此冠状动脉微循环血管床、静脉、心肌收缩舒张运动等对于冠状动脉血管的血流动力学特性的影响不可忽略。参见图3中的D图所示，以采用零维参数模型中的五元RCRCR模型为例，五元RCRCR模型由三个电阻和两个电容组成，其中，三个电阻分别体现冠状动脉血管、微循环血管床、静脉血管对于血流的阻碍程度，两个电容分别体现冠状动脉、心肌的顺应性对于血流的影响，由于心肌收缩舒张使冠状动脉的流量波形异于主动脉流量波形，需要在模拟心肌顺应性的电容后添加模拟心肌压力波动的元件。
五元模型的表达式包括如下公式（13）和公式（14）：
Figure 88034DEST_PATH_IMAGE049
Figure 124779DEST_PATH_IMAGE050
对以上微分方程组采用但不限于龙格库塔四阶方法进行离散
Figure 570804DEST_PATH_IMAGE051
为心肌内压力，
Figure 904833DEST_PATH_IMAGE052
为
Figure 512532DEST_PATH_IMAGE053
两端的压力，
Figure 33643DEST_PATH_IMAGE054
为
Figure 17780DEST_PATH_IMAGE055
两端的压力，
Figure 206316DEST_PATH_IMAGE056
为
Figure 188178DEST_PATH_IMAGE057
两端的压力，
Figure 727744DEST_PATH_IMAGE058
为
Figure 515571DEST_PATH_IMAGE059
两端的压力。
由于入口边界条件与病例特异性心肌质量联系，因此对于0D参数模型中各元件的估算也考虑到心肌质量的影响，通过如下公式（15）至公式（17）进行估算：
Figure 824193DEST_PATH_IMAGE060
Figure 976957DEST_PATH_IMAGE061
Figure 889DEST_PATH_IMAGE062
其中，MAP为平均主动脉压力，SBP为实际收缩压，DBP为实际舒张压，
Figure 326828DEST_PATH_IMAGE063
为静脉平均压力，
Figure 489956DEST_PATH_IMAGE027
为该出口所在血管分支的血流量。两个电容的取值范围分别为
Figure 79200DEST_PATH_IMAGE064
ml/mmHg/100gmyo，
Figure 327779DEST_PATH_IMAGE065
ml/mmHg/100gmyo。
步骤303、将1D-0D模型代入流体控制方程涉及的公式（2）至公式（5）求解，得到冠状动脉上各点的压力分布和/或各点的速度。
示例性的，图7为基于图6的标准冠状动脉入口流量波形计算得到的入口处的压力波形，压力波形的分布和幅值与实际人体测量数据接近。
图像数据处理场景二、以血管图像为冠状动脉的医学影像为例，对本申请提供的图像数据处理方法进行说明，该方法应用于图像数据处理设备，以实现基于具有局部狭窄的冠状动脉1D-0D模型得到非定常血流动力学参数：
图像数据处理场景二与图像数据处理场景一的不同之处在于，冠状动脉血管存在明显的局部狭窄，结合图8所示，直径狭窄率约为70%左右。血流储备分数（Fractional FlowReserve，FFR）作为衡量冠状动脉的直径狭窄程度的指标，
Figure 457409DEST_PATH_IMAGE066
可以通过公式（18）得到：
Figure 943885DEST_PATH_IMAGE067
其中，
Figure 500769DEST_PATH_IMAGE068
为狭窄的下游远端的平均血压值，
Figure 439906DEST_PATH_IMAGE069
为主动脉根部（近似为冠状动脉入口）的平均血压值。冠状动脉1D-0D模型的非定常血流动力学参数计算方法，可以计算出狭窄引起的压力降，并计算出FFR值。
由于血流储备分数的计算过程基于充血状态进行，假设此时各出口阻力变为原有阻力的0.22-0.25倍，入口平均流量变为原来的3.5-4.5倍。
计算得到冠状动脉入口、狭窄段后40mm处的压力波形如图9所示，分别取一个周期内的时间平均，得到
Figure 373227DEST_PATH_IMAGE070
78.12mmHg，
Figure 714209DEST_PATH_IMAGE071
mmHg，则计算得到的FFR为0.88。
图像数据处理场景三、以血管图像为全身动脉的医学影像为例，对本申请提供的图像数据处理方法进行说明，该方法应用于图像数据处理设备，以实现基于全身动脉1D-0D模型得到非定常血流动力学参数：
图像数据处理场景三与图像数据处理场景一的不同之处在于，1D模型来自如图10所示的全身动脉的参考数据，而非3D模型提取中心线信息。可见，本申请提供的图像数据处理方法，适用范围不止局部血管，可达到全身血管系统。
这里，首先，针对图10以及图10涉及到的参考数据，可以确定每段血管的长度及层级关系；假设每段血管的截面积呈线性变化，根据各节点的半径数据得到面积A(x)；其次，假设入口边界条件为标准主动脉流量波形，出口边界条件可以采用三元RCR集中参数模型，其表达式可由五元RCRCR的表达式简化而来；初始面积为文献数据，初始速度为0；最后，求解得到的主动脉根部、主动脉弓、胸主动脉、左股动脉处压力波形如图11所示。
图像数据处理场景四、以血管图像为主动脉分支的医学影像为例，对本申请提供的图像数据处理方法进行说明，该方法应用于图像数据处理设备，以实现基于主动脉分支1D-0D模型得到非定常血流动力学参数：
图像数据处理场景四与图像数据处理场景一的不同之处在于，研究对象为主动脉分支的1D模型，而非冠状动脉。本例旨在证明三元出口边界应用的多样性。
根据主动脉分支的参考数据，确定每段血管的长度及层级关系；假设每段血管的截面积呈线性变化，根据各节点的半径数据得到面积A(x)。
入口边界条件为0D左心室模型，参照图12所示，出口边界条件可以采用三元RCR集中参数模型，其表达式可由五元RCRCR的表达式简化而来；初始面积可以从主动脉分支的参考数据中获得，初始速度为0；求解得到的主动脉入口处的压力波形和流量波形如图13、求解得到的主动脉出口处的压力波形和流量波形如图14所示。
本申请的实施例提供一种图像数据处理装置，该图像数据处理装置可以用于实现图1对应的实施例提供的一种图像数据处理方法，参照图15所示，该图像数据处理装置400包括：
获得模块401，用于获得血管图像的一维模型；
处理模块402，用于设置初始条件、入口边界条件和采用零维参数模型设定的出口边界条件；
处理模块402，用于基于一维模型、初始条件、入口边界条件和出口边界条件进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数
本申请其他实施例中，处理模块402，用于基于血管图像对应部位的生理特征，对非定常血流动力学参数进行后处理，得到血管图像对应部位的波形特征和/或定常生理参数。
本申请其他实施例中，处理模块402，用于基于血管图像对应部位的生理特性，从零维参数模型中选择电路元件以模拟实际血管末端的生理条件，其中，电路元件包括用于体现血管阻力对血液流动的影响的电阻，用于体现血管壁顺应性对血液流动的影响的电容，用于体现血液惯性对于血液流动的影响的电感。
本申请其他实施例中，处理模块402，用于设置压力波形、流量波形、零维参数模型中的任一个作为入口边界条件。
本申请其他实施例中，入口边界条件为流量波形，处理模块402，用于通过如下转换公式，将心肌质量对应的标准冠状动脉入口流量波形转换成特异性冠状动脉入口流量波形：
Figure 176415DEST_PATH_IMAGE048
；
其中，
Figure 492313DEST_PATH_IMAGE023
是冠状动脉的平均血流量，
Figure 698167DEST_PATH_IMAGE024
为转换系数，k1为幂指数，
Figure 893656DEST_PATH_IMAGE025
为左心室心肌质量。
本申请其他实施例中，入口边界条件为流量波形，处理模块402，还用于对于各分支的血流量，一段血管所含流量可以通过如下公式得到：
Figure 792342DEST_PATH_IMAGE072
；
其中，
Figure 502809DEST_PATH_IMAGE027
为血管段
Figure 512353DEST_PATH_IMAGE028
所含流量，
Figure 827928DEST_PATH_IMAGE029
为血管段
Figure 897515DEST_PATH_IMAGE028
的平均直径，k2为幂指数，i为各血管分支的编号，i为正数，
Figure 298540DEST_PATH_IMAGE030
为入口平均流量。
本申请其他实施例中，入口边界条件为压力波形，处理模块402，用于基于如下调整公式，采用实际舒张压和收缩压对实际入口压力波形进行调整：
Figure 846196DEST_PATH_IMAGE073
；
Figure 78595DEST_PATH_IMAGE074
；
Figure DEST_PATH_IMAGE075
；
其中，
Figure 253837DEST_PATH_IMAGE034
为实际入口压力波形，
Figure 876579DEST_PATH_IMAGE035
为形状因子，
Figure 227926DEST_PATH_IMAGE036
为标准入口压力波形，
Figure 314830DEST_PATH_IMAGE037
为实际主动脉压平均值，
Figure 929483DEST_PATH_IMAGE038
为预设的主动脉压平均值，
Figure 101838DEST_PATH_IMAGE039
为实际收缩压，
Figure 194559DEST_PATH_IMAGE040
为实际舒张压，
Figure 135970DEST_PATH_IMAGE041
为标准波形的收缩压，
Figure 983840DEST_PATH_IMAGE042
为标准波形的舒张压。
本申请其他实施例中，处理模块402，用于基于血管图像对应部位的生理特性，从零维参数模型中选择电路元件以模拟血管入口处的生理条件，其中，电路元件包括二极管，二极管的单向流通性表示心脏瓣膜对于血液流向的控制，用于体现心室阻力对血液流动的影响的电阻，用于体现心脏壁顺应性对血液流动的影响的电容，用于体现血液惯性对于血液流动的影响的电感。
本申请实施例提供的图像数据处理装置，通过获得血管图像的一维模型；设置初始条件、入口边界条件和采用零维参数模型设定的出口边界条件；基于一维模型、初始条件、入口边界条件和采用零维参数模型设定的出口边界条件进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数；也就是说，本申请采用一维-零维（1D-0D）耦合的方式，计算血流动力学参数，得到血流动力学参数的非定常解，相比相关技术中基于三维计算血管内血流动力学参数的方式而言，对降维后的1D模型、0D参数模型等数据进行处理，可以缩短获得非定常血流动力学参数的时间，而且，得到的非定常血流动力学参数可以支持更全面地对各种生物血管的异常表现进行分析。
本申请的实施例提供一种图像数据处理设备，图16所示的图像数据处理设备500包括：处理器501、存储器502和通信总线503，其中：
通信总线503用于实现处理器501和存储器502之间的通信连接。
处理器501用于执行存储器502中存储的图像数据处理程序，以实现如下步骤：
获得血管图像的一维模型；
设置初始条件、入口边界条件和采用零维参数模型设定的出口边界条件；
基于一维模型、初始条件、入口边界条件和出口边界条件进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数。
本申请实施例中，处理器501用于执行存储器502中存储的图像数据处理程序，以实现如下步骤：
基于血管图像对应部位的生理特征，对非定常血流动力学参数进行后处理，得到血管图像对应部位的波形特征和/或定常生理参数。
本申请实施例中，处理器501用于执行存储器502中存储的图像数据处理程序，以实现如下步骤：
基于血管图像对应部位的生理特性，从零维参数模型中选择电路元件以模拟实际血管末端的生理条件，其中，电路元件包括用于体现血管阻力对血液流动的影响的电阻，用于体现血管壁顺应性对血液流动的影响的电容，用于体现血液惯性对于血液流动的影响的电感。
本申请实施例中，处理器501用于执行存储器502中存储的图像数据处理程序，以实现如下步骤：
设置压力波形、流量波形、零维参数模型中的任一个作为入口边界条件。
本申请实施例中，入口边界条件为流量波形，处理器501用于执行存储器502中存储的图像数据处理程序，以实现如下步骤：
通过如下转换公式，将心肌质量对应的标准冠状动脉入口流量波形转换成特异性冠状动脉入口流量波形：
Figure 377913DEST_PATH_IMAGE048
；
其中，
Figure 274324DEST_PATH_IMAGE023
是冠状动脉的平均血流量，
Figure 804663DEST_PATH_IMAGE024
为转换系数，k1为幂指数，
Figure 29626DEST_PATH_IMAGE025
为左心室心肌质量。
本申请实施例中，入口边界条件为流量波形，处理器501还用于执行存储器502中存储的图像数据处理程序，以实现如下步骤：
对于各分支的血流量，一段血管所含流量可以通过如下公式得到：
Figure 910995DEST_PATH_IMAGE072
；
其中，
Figure 673414DEST_PATH_IMAGE027
为血管段
Figure 323839DEST_PATH_IMAGE028
所含流量，
Figure 185615DEST_PATH_IMAGE029
为血管段
Figure 819859DEST_PATH_IMAGE028
的平均直径，k2为幂指数，i为各血管分支的编号，i为正数，
Figure 854811DEST_PATH_IMAGE030
为入口平均流量。
本申请实施例中，入口边界条件为压力波形，处理器501用于执行存储器502中存储的图像数据处理程序，以实现如下步骤：
基于如下调整公式，采用实际舒张压和收缩压对实际入口压力波形进行调整：
Figure 828583DEST_PATH_IMAGE073
；
Figure 657999DEST_PATH_IMAGE074
；
Figure 779539DEST_PATH_IMAGE075
；
其中，
Figure 821444DEST_PATH_IMAGE034
为实际入口压力波形，
Figure 180881DEST_PATH_IMAGE035
为形状因子，
Figure 709427DEST_PATH_IMAGE036
为标准入口压力波形，
Figure 990367DEST_PATH_IMAGE037
为实际主动脉压平均值，
Figure 632701DEST_PATH_IMAGE038
为预设的主动脉压平均值，
Figure 112224DEST_PATH_IMAGE039
为实际收缩压，
Figure 814601DEST_PATH_IMAGE040
为实际舒张压，
Figure 379574DEST_PATH_IMAGE041
为标准波形的收缩压，
Figure 560020DEST_PATH_IMAGE042
为标准波形的舒张压。
本申请实施例中，处理器501用于执行存储器502中存储的图像数据处理程序，以实现如下步骤：
基于血管图像对应部位的生理特性，从零维参数模型中选择电路元件以模拟血管入口处的生理条件，其中，电路元件包括二极管，二极管的单向流通性表示心脏瓣膜对于血液流向的控制，用于体现心室阻力对血液流动的影响的电阻，用于体现心脏壁顺应性对血液流动的影响的电容，用于体现血液惯性对于血液流动的影响的电感。
处理器可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器（DSP，Digital Signal Processor），或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其中，通用处理器可以是微处理器或者任何常规的处理器等。
本申请实施例提供的图像数据处理设备，通过获得血管图像的一维模型；设置初始条件、入口边界条件和采用零维参数模型设定的出口边界条件；基于一维模型、初始条件、入口边界条件和采用零维参数模型设定的出口边界条件进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数；也就是说，本申请采用一维-零维（1D-0D）耦合的方式，计算血流动力学参数，得到血流动力学参数的非定常解，相比相关技术中基于三维计算血管内血流动力学参数的方式而言，对降维后的1D模型、0D参数模型等数据进行处理，可以缩短获得非定常血流动力学参数的时间，而且，得到的非定常血流动力学参数可以支持更全面地对各种生物血管的异常表现进行分析。
需要说明的是，本实施例中处理器所执行的步骤的具体实现过程，可以参照图1对应的实施例提供的图像数据处理方法中的实现过程，此处不再赘述。
本申请实施例装置的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果，因此不做赘述。对于本装置实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。
本申请实施例提供一种存储有可执行指令的存储介质，其中存储有可执行指令，当可执行指令被处理器执行时，将引起处理器执行本申请实施例提供的方法，例如，如图1示出的方法。
本申请实施例提供的存储介质，通过获得血管图像的一维模型；设置初始条件、入口边界条件和采用零维参数模型设定的出口边界条件；基于一维模型、初始条件、入口边界条件和采用零维参数模型设定的出口边界条件进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数；也就是说，本申请采用一维-零维（1D-0D）耦合的方式，计算血流动力学参数，得到血流动力学参数的非定常解，相比相关技术中基于三维计算血管内血流动力学参数的方式而言，对降维后的1D模型、0D参数模型等数据进行处理，可以缩短获得非定常血流动力学参数的时间，而且，得到的非定常血流动力学参数可以支持更全面地对各种生物血管的异常表现进行分析。
在一些实施例中，存储介质可以是计算机可读存储介质，例如，铁电存储器（FRAM，Ferromagnetic Random Access Memory）、只读存储器（ROM，Read Only Memory）、可编程只读存储器（PROM，Programmable Read Only Memory）、可擦除可编程只读存储器（EPROM，Erasable Programmable Read Only Memory）、带电可擦可编程只读存储器（EEPROM，Electrically Erasable Programmable Read Only Memory）、闪存、磁表面存储器、光盘、或光盘只读存储器（CD-ROM，Compact Disk-Read Only Memory）等存储器；也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言（包括编译或解释语言，或者声明性或过程性语言）来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言（超文本标记语言，Hyper Text Markup Language）文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件（例如，存储一个或多个模块、子程序或代码部分的文件）中。作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
以上所述，仅为本申请的实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本申请的保护范围之内。

Claims (10)

1.一种图像数据处理方法，其特征在于，所述方法包括：
获得血管图像的一维模型；
设置初始条件、入口边界条件和采用零维参数模型设定的出口边界条件；
将所述一维模型、所述初始条件、所述入口边界条件和所述出口边界条件代入流体控制方程进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数；
其中，所述获得血管图像的一维模型，包括：
获得血管图像的点云信息，基于所述点云信息提取中心线及节点，得到所述一维模型；其中，所述一维模型包括如下信息：各血管段之间的层级关系、血管段的中心线上各节点的x方向坐标向量和横截面积；
其中，设置出口边界条件，包括：
基于所述血管图像对应部位的生理特性，从零维参数模型中选择电路元件以模拟实际血管末端的生理条件，其中，所述电路元件包括用于体现血管阻力对血液流动的影响的电阻，用于体现血管壁顺应性对血液流动的影响的电容，用于体现血液惯性对于血液流动的影响的电感。
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：
基于所述血管图像对应部位的生理特征，对非定常血流动力学参数进行后处理，得到所述血管图像对应部位的波形特征和/或定常生理参数。
3.根据权利要求1所述的方法，其特征在于，所述设置入口边界条件，包括：
设置压力波形、流量波形、零维参数模型中的任一个作为所述入口边界条件。
4.根据权利要求3所述的方法，其特征在于，所述入口边界条件为流量波形，设置流量波形，包括：
通过如下转换公式，将心肌质量对应的标准冠状动脉入口流量波形转换成特异性冠状动脉入口流量波形：
Figure 2882DEST_PATH_IMAGE001
；
其中，
Figure 103562DEST_PATH_IMAGE002
是冠状动脉的平均血流量，
Figure 441003DEST_PATH_IMAGE003
为转换系数，k1为幂指数，
Figure 648256DEST_PATH_IMAGE004
为左心室心肌质量。
5.根据权利要求4所述的方法，其特征在于，所述入口边界条件为流量波形，所述设置流量波形，还包括：
对于各分支的血流量，一段血管所含流量可以通过如下公式得到：
Figure 780160DEST_PATH_IMAGE005
；
其中，
Figure 571398DEST_PATH_IMAGE006
为血管段
Figure DEST_PATH_IMAGE007
所含流量，
Figure 446950DEST_PATH_IMAGE008
为血管段
Figure 508709DEST_PATH_IMAGE007
的平均直径，k2为幂指数，i为各血管分支的编号，i为正数，
Figure 873832DEST_PATH_IMAGE009
为入口平均流量。
6.根据权利要求3所述的方法，其特征在于，所述入口边界条件为压力波形，所述设置压力波形，包括：
基于如下调整公式，采用实际舒张压和收缩压对实际入口压力波形进行调整：
Figure 621208DEST_PATH_IMAGE010
；
Figure 972555DEST_PATH_IMAGE011
；
Figure 918514DEST_PATH_IMAGE012
；
其中，
Figure 329904DEST_PATH_IMAGE013
为实际入口压力波形，
Figure 128358DEST_PATH_IMAGE014
为形状因子，
Figure 17816DEST_PATH_IMAGE015
为标准入口压力波形，
Figure 818282DEST_PATH_IMAGE016
为实际主动脉压平均值，
Figure 666152DEST_PATH_IMAGE017
为预设的主动脉压平均值，
Figure 184858DEST_PATH_IMAGE018
为实际收缩压，
Figure 878008DEST_PATH_IMAGE019
为实际舒张压，
Figure 532980DEST_PATH_IMAGE020
为标准波形的收缩压，
Figure 286173DEST_PATH_IMAGE021
为标准波形的舒张压。
7.根据权利要求3所述的方法，其特征在于，所述入口边界条件为零维参数模型，设置零维参数模型，包括：
基于所述血管图像对应部位的生理特性，从零维参数模型中选择电路元件以模拟血管入口处的生理条件，其中，所述电路元件包括二极管，所述二极管的单向流通性表示心脏瓣膜对于血液流向的控制，用于体现心室阻力对血液流动的影响的电阻，用于体现心脏壁顺应性对血液流动的影响的电容，用于体现血液惯性对于血液流动的影响的电感。
8.一种图像数据处理装置，其特征在于，所述装置包括：
获得模块，用于获得血管图像的一维模型；
处理模块，用于设置初始条件、入口边界条件和采用零维参数模型设定的出口边界条件；
所述处理模块，用于将所述一维模型、初始条件、入口边界条件和出口边界条件代入流体控制方程进行仿真求解，得到血管内中心线上各点的非定常血流动力学参数；
其中，所述获得血管图像的一维模型，包括：
获得血管图像的点云信息，基于所述点云信息提取中心线及节点，得到所述一维模型；其中，所述一维模型包括如下信息：各血管段之间的层级关系、血管段的中心线上各节点的x方向坐标向量和横截面积；
其中，设置出口边界条件，包括：
基于所述血管图像对应部位的生理特性，从零维参数模型中选择电路元件以模拟实际血管末端的生理条件，其中，所述电路元件包括用于体现血管阻力对血液流动的影响的电阻，用于体现血管壁顺应性对血液流动的影响的电容，用于体现血液惯性对于血液流动的影响的电感。
9.一种图像数据处理设备，其特征在于，所述图像数据处理设备包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令，实现如权利要求1至7中任一项所述的图像数据处理方法。
10.一种存储介质，其特征在于，存储有可执行指令，当所述可执行指令被执行时，用于引起处理器执行权利要求1至7中任一项所述的图像数据处理方法。
CN202210838747.9A 2022-07-18 2022-07-18 图像数据处理方法、装置、图像数据处理设备及存储介质 Active CN114998319B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210838747.9A CN114998319B (zh) 2022-07-18 2022-07-18 图像数据处理方法、装置、图像数据处理设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210838747.9A CN114998319B (zh) 2022-07-18 2022-07-18 图像数据处理方法、装置、图像数据处理设备及存储介质

Publications (2)

Publication Number Publication Date
CN114998319A CN114998319A (zh) 2022-09-02
CN114998319B true CN114998319B (zh) 2022-11-08

Family

ID=83022095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210838747.9A Active CN114998319B (zh) 2022-07-18 2022-07-18 图像数据处理方法、装置、图像数据处理设备及存储介质

Country Status (1)

Country Link
CN (1) CN114998319B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107491636A (zh) * 2017-07-26 2017-12-19 武汉大学 一种基于计算流体力学的脑血管储备力仿真系统和方法
CN114298988A (zh) * 2021-12-17 2022-04-08 深圳市阅影科技有限公司 计算血管功能学指标的方法及装置
CN114530252A (zh) * 2022-03-03 2022-05-24 北京理工大学 冠状动脉血流动力学模拟仿真方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009014763B4 (de) * 2009-03-25 2018-09-20 Siemens Healthcare Gmbh Verfahren und Datenverarbeitungssystem zur Bestimmung des Kalziumanteils in Herzkranzgefäßen
CN113076705A (zh) * 2021-03-26 2021-07-06 北京阅影科技有限公司 血流动力的仿真方法及装置
CN114052764B (zh) * 2021-11-02 2024-07-12 杭州脉流科技有限公司 获取血流储备分数的方法、装置、系统和计算机存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107491636A (zh) * 2017-07-26 2017-12-19 武汉大学 一种基于计算流体力学的脑血管储备力仿真系统和方法
CN114298988A (zh) * 2021-12-17 2022-04-08 深圳市阅影科技有限公司 计算血管功能学指标的方法及装置
CN114530252A (zh) * 2022-03-03 2022-05-24 北京理工大学 冠状动脉血流动力学模拟仿真方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Comparison of repeatability of blood pressure measurements between oscillometric and auscultatory methods;Chengyu Liu，and etc;《2015 Computing in Cardiology Conference (CinC)》;20160218;第1073-1076页 *
不同边界条件对主动脉血流仿真结果的影响;曹欣荣等;《清华大学学报（自然科学版）》;20141231;第54卷(第6期);第700-705页 *

Also Published As

Publication number Publication date
CN114998319A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
Qian et al. Computational hemodynamic analysis in congenital heart disease: simulation of the Norwood procedure
US11871995B2 (en) Patient-specific modeling of hemodynamic parameters in coronary arteries
CN108922580A (zh) 一种获取血流储备分数的方法、装置、系统和计算机存储介质
CN111241759B (zh) 一种基于零维血流动力学模型的ffr快速计算方法
JP7241183B2 (ja) 冠動脈における血行動態パラメータの患者固有モデリング
Urbina et al. Realistic aortic phantom to study hemodynamics using MRI and cardiac catheterization in normal and aortic coarctation conditions
CN109770930B (zh) 一种冠状动脉微循环阻力的确定方法和装置
CN113015497B (zh) 对对象固有的血管的血流模拟方法及装置
CN114947910A (zh) 冠脉末端微血管阻力的计算方法及ffr的计算方法、系统
CN114530252A (zh) 冠状动脉血流动力学模拟仿真方法及装置
CN114052764B (zh) 获取血流储备分数的方法、装置、系统和计算机存储介质
CN114998319B (zh) 图像数据处理方法、装置、图像数据处理设备及存储介质
CN115910354A (zh) 一种无创模拟患者特异性的冠状动脉ffr的系统及方法
CN116313101A (zh) 一种冠状动脉血流储备分数确定方法、系统、设备及介质
CN110584696B (zh) 一种血流储备分数评估方法及装置、存储介质
CN114947909A (zh) 基于狭窄病变前后的血液流量比值计算ffr的方法、系统
Joseph et al. The role of extra-coronary vascular conditions that affect coronary fractional flow reserve estimation
A Martins et al. FFR quantification in a left coronary artery using a three-element Windkessel model and the nonlinear viscoelastic property of blood
Marsden et al. Multiscale modeling of cardiovascular flows
US20220338932A1 (en) Method and system for modelling blood vessels and blood flow under high-intensity physical exercise conditions
Aamodt Computational Diagnosis of Coronary Artery Disease-A comparison of steady and transient blood flow simulations for FFR
CN118352087A (zh) 0d-3d耦合的个性化动脉血管血流动力学模拟展示方法及装置
Nieckele Analysis of the blood flow during the cardiac cycle in the ascending aorta
Mohammad et al. Computational Fluid Dynamics Analysis of Blood Flow Through Stented Arteries
Steele Using one-dimensional finite element analysis to estimate differential pressure of renal artery stenoses

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