CN115983152A - 不同状态下血管微循环阻力计算方法、系统、设备及介质 - Google Patents

Abstract

本发明提供一种不同状态下血管微循环阻力计算方法、系统、设备及介质。不同状态下血管微循环阻力计算方法，通过使用采用常规造影数据，无论该造影数据是充血态或静息态，仅通过计算血流速度和目标血管段中指定位置的血流压力值即可完成微循环阻力的快速计算；本发明在造影数据获取过程中不需要导丝介入，且可以利用不同状态下的造影数据进行微循环阻力的计算，在提高准确性的同时降低了成本，节约了时间，使整个操作过程更为简洁。

Description

不同状态下血管微循环阻力计算方法、系统、设备及介质

技术领域

本发明涉及微循环计算领域，尤其涉及不同状态下血管微循环阻力计算方法、系统、设备及介质。

背景技术

微循环是指微动脉和微静脉之间的血液循环，是血液与组织细胞进行物质交换的场所。冠状动脉微循环是指由微动脉、毛细血管和微静脉构成的微循环系统。尽管无法直接通过影像学观察到冠状动脉微血管，但现有技术中，可通过特定参数来反映冠状动脉微循环功能。这些技术包括通过导管检查获得的有创冠状动脉血流动力学参数评估方法如冠状动脉血流储备、微循环阻力指数，无创的影像学检查，如经胸多普勒超声心动图、磁共振、核素显像等。

冠脉微血管承担着心肌灌注和末梢供血的重要作用，其功能异常是心肌缺血的重要因素之一，是许多无明显狭窄或PCI术后仍有症状患者的主要病因，并且与患者远期预后相关，是未来冠心病治疗的突破点。如何准确、便捷地对冠脉微循环功能进行精准评估已经变得愈来愈重要。

目前介入术中评估微循环功能最主要的方法是基于压力导丝的IMR(微循环阻力指数)，但该方法存在一定的局限性，如需要使用有创高值耗材(压力导丝)、操作复杂、存在数据漂移造成可重复性极差等，使其没有广泛的在临床应用。

正电子断层扫描(PET)可以通过持续监测静脉示踪剂在循环及心肌中的放射性，进而绘制出示踪剂在左心室及心肌中的时间-活性曲线，获得心肌摄取示踪剂的动力学信息，最终计算出心肌血流及灌注。正电子断层扫描用于评估冠状动脉微循环的优点在于，无论是静息状态还是最大充血状态，均能得到可靠的心肌血流数据。

心脏磁共振(CMR)评价的微循环状态用微循环阻塞来反映，微循环阻塞表现为在梗死区高信号背景上的低增强区域。研究显示心脏磁共振证实的微循环阻塞是远期不良预后的独立危险因素。

2017年，涂圣贤等提出了使用常规造影数据，无需微循环充分扩张，即可实现对微循环充分扩张时该血管段的远端压力数值和冠脉血流的获取，根据公式快速定量计算冠脉微循环阻力，提供了一种新的微循环阻力快速计算方法。同时，利用深度学习快速评估心肌微循环充分扩张时的近端终点处的血流压力，且微循环阻力计算过程中，不需要导丝介入，在提高准确性的同时降低了成本，节约了时间，使整个操作过程更为简洁。

上述现有技术尽管从不同角度、不同计算方法中给出了确定微循环功能障碍的方法，但其仍具有至少以下一个或多个技术缺陷：

(1)正电子断层扫描检查价格昂贵，操作时间长，同时它的空间分辨率仍低于理想状态，导致应用此技术很难评估微小区域的心肌血流异常；

(2)心脏磁共振负荷显像过程中容易出现运动伪影，且需要应用大剂量的造影剂；同时它的时间分辨率仍低于理想状态，扫描操作时间较长；

(3)通过常规造影数据进行微循环阻力的快速计算，虽避免了导丝的介入，但在进行冠脉血流的计算时，通常会引入大量不确定的因素，使得微循环阻力的计算存在不确定性，无法对反映不同状态下的微循环障碍状况进行准确的评估；

有鉴于此，确有必要提供一种新的微循环阻力的计算方法。

发明内容

本发明的目的在于提供一种不同状态下血管微循环阻力计算方法、系统、设备及介质，可通过不同状态下的影响数据，如充血态图像参数和静息态图像参数，高效获取目标血管段的微循环阻力。

为实现上述发明目的，本发明提供了一种不同状态下血管微循环阻力计算方法，包括：

获取目标血管段的图像状态参数和几何参数，所述图像状态参数包括充血态参数和静息态参数，几何参数至少包括所述目标血管段的起点和终点；根据所述图像状态参数和所述几何参数，建立所述目标血管段的形态模型和血流模型；基于所述血流模型，获取所述目标血管段的平均血流速度V_p；结合所述平均血流速度V_p及血流动力学，获取最大血流速度V_max，以及所述最大血流速度V_max下所述目标血管段的近端终点处的第一血流压力P₁；及相应状态下所述近端终点处与远端终点处的最大压力差数值ΔP；计算所述目标血管段的血管微循环阻力MR，所述血管微循环阻力MR表示为：

作为本发明的进一步改进，所述图像状态参数为所述目标血管段处于充血态时，所述目标血管段的充血态图像参数；所述形态模型为所述目标血管段处于充血态时的充血态形态模型，所述血流模型为所述目标血管段处于充血态时的充血态血流模型。

作为本发明的进一步改进，基于所述充血态血流模型获取所述目标血管段在充血态下的平均血流参数V_p，并基于所述充血态血流模型获取所述目标血管段在充血状态下的所述最大压力差数值ΔP以及所述目标血管段远端终点处的第二血流压力P₂，且当所述形态模型为所述充血态血流模型时，在充血态下的所述平均血流参数V_p与所述最大血流速度V_max相等，所述血管微循环阻力MR表示为：

作为本发明的进一步改进，所述图像状态参数为所述目标血管段处于静息态时，所述目标血管段的静息态图像参数；所述形态模型为所述目标血管段处于静息态时的静息态形态模型，所述血流模型为所述目标血管段处于静息态时的静息态血流模型。

作为本发明的进一步改进，根据所述静息态血流模型获取所述目标血管段的平均血流速度Vp，通过所述平均血流速度Vp转换获取所述目标血管段处于静息态时的所述最大血流速度Vmax和所述最大压力差数值ΔP。

作为本发明的进一步改进，所述血管微循环阻力MR还包括静息态血管微循环阻力MR_rest，所述静息态血管微循环阻力MR_rest表示为：

其中，V_rest为根据所述静息态血流模型获取的所述目标血管段在静息态下的平均血流速度V_p。

为实现上述发明目的，本发明还提供一种计算不同状态下血管微循环阻力的系统，所述基于病史信息获取血流储备分数的系统包括：数据采集器，所述数据采集器用于获取及存储冠脉系统的目标血管段的图像状态参数和几何参数，所述图像状态参数包括充血态参数和静息态参数，几何参数至少包括所述目标血管段的起点和终点；血流特征处理器，基于所述图像状态图像参数和所述几何参数，建立目标血管段的形态模型和血流模型；所述血流特征处理器还用于，基于所述血流模型，获取所述目标血管段的平均血流速度V_p；结合所述平均血流速度V_p及血流动力学，获取最大血流速度V_max，以及所述最大血流速度V_max下所述目标血管段的近端终点处的第一血流压力P₁；及相应状态下所述近端终点处与远端终点处的最大压力差数值ΔP；计算所述目标血管段的血管微循环阻力MR。

作为本发明的进一步改进，所述计算不同状态下血管微循环阻力的系统还包括状态参数转换模块，所述状态参数转换模块用于对所述血流模型进行转换，以通过静息态血流模型和充血态血流模型通过获取所述血管微循环阻力MR。

为实现上述发明目的，本发明还提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如前述的不同状态下血管微循环阻力计算方法。

为实现上述发明目的，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如前述的不同状态下血管微循环阻力计算方法。

本发明的有益效果在于：

本发明通过使用采用常规造影数据，无论该造影数据是充血态或静息态，仅通过计算血流速度和目标血管段中指定位置的血流压力值即可完成微循环阻力的快速计算；避免了对冠脉血流的估算，使得微循环阻力的计算更加准确，且数据获取过程中不需要导丝介入，在提高准确性的同时降低了成本，节约了时间，使整个操作过程更为简洁。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明不同状态下血管微循环阻力计算方法的流程图；

图2是本发明计算不同状态下血管微循环阻力系统的结构示意框图。

具体实施方式

下面结合附图对本发明实施例一种应用程序推荐方法及装置进行详细描述。应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。

本领域技术人员应当知晓，下述具体实施例或具体实施方式，是本发明为进一步解释具体的发明内容而列举的一系列优化的设置方式，而该些设置方式之间均是可以相互结合或者相互关联使用的，除非在本发明明确提出了其中某些或某一具体实施例或实施方式无法与其他的实施例或实施方式进行关联设置或共同使用。同时，下述的具体实施例或实施方式仅作为最优化的设置方式，而不作为限定本发明的保护范围的理解。

请参阅图1所示，为本发明中不同状态下血管微循环阻力计算方法的流程图，不同状态下血管微循环阻力计算方法包括：

获取目标血管段的图像状态图像参数和几何参数，所述几何参数至少包括所述目标血管段的起点和终点；

根据所述图像状态参数和所述几何参数，建立所述目标血管段的形态模型和血流模型；

基于所述血流模型，获取所述目标血管段的平均血流速度V_p；结合所述平均血流速度V_p及血流动力学，获取最大血流速度V_max，以及所述最大血流速度V_max下所述目标血管段的近端终点处的第一血流压力P₁；及相应状态下所述近端终点处与远端终点处的最大压力差数值ΔP；

计算所述目标血管段的血管微循环阻力MR，所述血管微循环阻力MR表示为：

以下说明书部分将结合具体实施例，对本申请中不同状态下血管微循环阻力计算方法进行详细的阐述和说明。

实施例1

在本实施例中，本发明提供了一种基于造影数据快速计算微循环阻力的方法法包括：

获取目标血管段在充血态时的充血态图像参数和相应的几何参数；可选地，所述图像状态参数为所述目标血管段的常规X线造影成像数据。该充血态图像参数可以是进行传统X线造影成像过程获得的常规的充血态影像数据，即，无需使用特殊设备的进行特定造影影像数据的获取，使得充血态图像参数和相应的几何参数的获取更加方便快捷，更优选地，上述造影数据可以是在注射造影剂情况下辅助获得的造影影像数据。

几何参数至少包括目标血管段在充血态时的起点和终点，进一步的，几何参数还可包括目标血管段中位于近端终点和远端终点之间的病变部位的横截面面积或直径、病变长度、狭窄率等。本领域技术人员应当明了，上述的几何参数仅作为示例性的，还可以根据具体的计算需要等，调整其中的几何参数，上述的常规调整均应当视为落入本发明的保护范围之内。

在本实施例中，根据充血态图像参数和几何参数，建立目标血管段在充血态时的充血态血流模型和充血态几何模型。

基于所述充血态血流模型获取所述目标血管段的在充血态下的平均血流参数V_p，在本实施例中，在充血态下的平均血流参数V_p为目标血管段在充血状态时，利用灰度时间拟合函数中得到该目标血管段在冠脉造影过程中造影剂的平均流动速度，或者利用TIMI数帧法计算该血管段在冠脉造影过程中造影剂的平均流动速度，需要说明的是，当目标血管段处于充血态时，目标血管段的最大血流速度V_max即为目标血管段的在充血态下的平均血流参数V_p。

进一步的，基于充血态血流模型获取目标血管段在充血状态下的最大压力差数值ΔP、目标血管段的近端终点处的第一血流压力P₁以及目标血管段远端终点处的第二血流压力P₂。

在本申请中，基于充血态血流模型以及与充血态血流模型对应的理想充血态血流模型获得几何差异函数；以基于几何差异函数及最大血流速度V_max，计算相应状态下近端终点处与远端终点处的最大压力差数值ΔP。

在本申请中，在一个具体的实施方式中，基于所述的实际血管管腔几何模型、理想血管管腔几何模型获得几何差异函数。

具体的，几何差异函数为：

其中，(x，y，z)和(x₀，y₀，z₀)分别代表真实血管管腔边界上任意点的位置坐标和同一横截面理想血管管腔边界上对应点的位置坐标，s₀和s分别表示该位置横截面的理想管腔面积和真实管腔面积，ω₁和ω₂分别表示以上参数的加权系数，其中ω₁+ω₂＝1。优选的，ω₁＝0.45-0.65、ω₂＝0.35-0.55。

在本实施例的另一实施方式中，几何差异函数还可为n个尺度下的。即最大压力差数值ΔP是利用n个尺度下的几何差异函数f₁(x，y，z)、……、f_n(x，y，z)积分的加权，以及获得的充血状态下的最大血流速度V_max和最大血流速度的平方V_max ²计算获得。

所述尺度指的是分辨率，即数值计算导数时相邻两点之间的距离。所述n个尺度为具有尺度各不相同的第一尺度、第二尺度、……、第n尺度；其中，所述第一尺度差值导数函数f₁(x，y，z)用于检测第一种病变特征所引起的实际管腔直径和参考管腔直径之间的几何参数差异，忽略掉其他病变所引起的几何参数差异；……，所述第n尺度差值导数函数f_n(x，y，z)用于检测第n种病变特征所引起的实管腔直径和参考管腔直径之间的几何参数差异；其中，所述n为大于1的自然数值。

具体的，最大压力差数值ΔP的计算公式为：

ΔP_max＝α₁[C₁V_max+C₂V_max ²]∫∫∫f₁(x，y，z)dxdydz+α₂[C₁V_max+C₂V_max ²]∫∫∫f₂(x，y，

z)dxdydz+…+α_n[C₁V_max+C₂V_max ²]∫∫∫f_n(x，y，z)dxdydz；

其中，C₁、C₂分别代表充血状态下目标血管段的最大血流速度V_max和最大血流速度平方V_max2的参数系数，α₁、α₂...α_n分别为不同尺度的差值导数函数f₁(x，y，z)，f₂(x，y，z)...f_n(x，y，z)的加权系数。

进一步的，本实施例中进一步的，目标血管段的近端终点处的第一血流压力P₁为利用深度学习的方法，评估充血态下目标血管段的近端终点处的第一血流压力P₁；优选的，所述深度学习的方法，包括但不限于人工神经网络算法，输入参数如静息态近端压力值、病变长度、血管横截面积、直径、狭窄率、血流速度、解剖位置等，通过学习调节各参数权值，输出充血态下目标血管段的近端终点处的第一血流压力P₁。目标血管段远端终点处的第二血流压力P₂；第二血流压力P₂＝P₁-ΔP。

最后，基于血管微循环阻力MR公式：

计算所述目标血管段的血管微循环阻力MR。

实施例2

实施例2中基于造影数据快速计算微循环阻力的方法与实施例1中的方法基本一致，其区别点仅在于，本实施例中获取目标血管段的图像状态参数和几何参数为目标血管段在静息状态下的态图像参数和相应的几何参数；同样的，该静息态图像参数可以是进行传统X线造影成像过程活的的常规的静息态影像数据，即，无需使用特殊设备的进行特定造影影像数据的获取，使得静息态图像参数和相应的几何参数的获取更加方便快捷，更优选地，上述造影数据可以是在注射造影剂情况下辅助获得的造影影像数据。

以下说明书部分将针对实施例1和实施例2中的差异进行描述，相似部分与此不再赘述。

在本实施例中形态模型为所述目标血管段处于静息态时的静息态形态模型，所述血流模型为所述目标血管段处于静息态时的静息态血流模型。进一步的，根据静息态血流模型获取目标血管段在静息态下平均血流速度V_rest，同时基于静息态下平均血流速度V_rest模拟获取目标血管段在充血态时的平均血流速度V_p；在本实施例中，充血态时的平均血流速度V_p为通过查表的方法获取，进一步的，表格是病人在静息状态下冠脉的平均血流速度与目标血管段在充血状态下对应的最大血流速度列表。

进一步的，基于静息态下目标血管段的近端血流压力P_a，计算目标血管段在充血态下近端终点处的第一血流压力P₁，具体为：通过深度学习方法计算第一血流压力P₁，以所述几何参数及Pa作为网络输入，以第一血流压力P₁为输出；学习训练中，基于P₁＝α*P_a，以α作为正则项，参与网络的权值更新。

更进一步的，目标血管段在充血态下远端终点处的第二血流压力P₂＝Pa-ΔP。

具体而言，所述方法进一步包括接收静息态下目标血管段的近端血流压力Pa结合静息态下目标血管段的几何参数，利用深度学习的方法，评估目标血管段充血时的第一血流压力P₁；优选的，所述深度学习的方法，包括但不限于人工神经网络算法，输入参数如静息态近端压力值、病变长度、血管横截面积、直径、狭窄率、血流速度、解剖位置等，通过学习调节各参数权值，目标血管段充血时的第一血流压力P₁；所述深度学习的方法进一步包括，通过导管进行准确测量获得静息态下目标血管段的近端血流压力P_a，并根据公式P_a＝α*P_a计算第一血流压力P₁，其中α＝85％～90％，α视为训练过程中的先验知识；所述深度学习的方法进一步包括，使用先验知识α作为正则项参与神经网络的权值更新，直到人工神经网络在现有的测试集上达到最优。

最后，血管微循环阻力MR还包括静息态血管微循环阻力MRrest，所述静息态血管微循环阻力MRrest表示为：

其中，V_rest为根据所述静息态血流模型获取的所述目标血管段在静息态下的平均血流速度V_p。

请参阅图2所示，本发明还提供了一种计算不同状态下血管微循环阻力的系统，所述基于病史信息获取血流储备分数的系统包括：

数据采集器，所述数据采集器用于获取及存储冠脉系统的目标血管段的图像状态图像参数和几何参数；

血流特征处理器，基于所述图像状态图像参数和所述几何参数，建立目标血管段的形态模型和血流模型；

所述血流特征处理器还用于，基于所述血流模型，获取所述目标血管段的平均血流速度Vp；结合所述平均血流速度Vp及血流动力学，获取最大血流速度Vmax，以及所述最大血流速度Vmax下所述目标血管段的近端终点处的第一血流压力P1；及相应状态下所述近端终点处与远端终点处的最大压力差数值ΔP；计算所述目标血管段的血管微循环阻力MR。

所述计算不同状态下血管微循环阻力的系统还包括状态参数转换模块，所述状态参数转换模块用于对所述血流模型进行转换，以通过静息态血流模型和充血态血流模型通过获取所述血管微循环阻力MR。

本发明一个实施例还提供了一种计算机设备，该计算机设备包括处理器和存储器，该存储器中存储有至少一条指令或至少一段程序，该至少一条指令或该至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的瓣环自动检测方法。

具体地，存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。

在一个具体的实施例中，计算机设备可以为计算机终端、移动终端或其它设备，计算机设备还可以参与构成或包含本发明实施例所提供的不同状态下血管微循环阻力计算方法。计算机设备可以包括一个或一个以上计算机可读存储介质的存储器、一个或者一个以上处理核心的处理器、输入单元、显示单元、射频(Radio Frequency，RF)电路、无线保真(wireless fidelity，WiFi)模块以及电源等部件。本领域技术人员可以理解，本发明说明书中计算机设备的结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

存储器可用于存储软件程序以及模块，处理器通过运行或执行存储在存储器的软件程序以及模块，以及调用存储在存储器内的数据，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart MediaCard，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。

处理器是计算机设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。处理器可以是中央处理器，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

输入单元可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。显示单元可用于显示由用户输入的信息或提供给用户的信息以及计算机设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元可包括显示面板，可选的，可以采用液晶显示器(LiquidCrystal Display，LCD)、有机发光二极管(Organic Light-EmittingDiode，OLED)等形式来配置显示面板。

计算机设备还包括给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理系统与处理器逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

需要说明的是，尽管未示出，计算机设备还可以包括蓝牙模块等，在此不再赘述。

本发明一个实施例还提供了一种计算机可读存储介质，计算机可读存储介质可设置于计算机设备之中以保存用于实现一种不同状态下血管微循环阻力计算方法相关的至少一条指令或至少一段程序，该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的不同状态下血管微循环阻力计算方法。

可选地，在本发明实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本发明一个实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序/指令，当计算机程序产品在电子设备上运行时，该计算机程序/指令被处理器加载并执行以实现上述各种可选实施例中提供的不同状态下血管微循环阻力计算方法的步骤。

综上所述，本发明通过采用常规造影数据，无论该造影数据是充血态或静息态，仅通过计算血流速度和目标血管段中指定位置的血流压力值即可完成微循环阻力的快速计算；避免了对冠脉血流的估算，使得微循环阻力的计算更加准确，且数据获取过程中不需要导丝介入，在提高准确性的同时降低了成本，节约了时间，使整个操作过程更为简洁。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种不同状态下血管微循环阻力计算方法，其特征在于，包括：

获取目标血管段的图像状态参数和几何参数，所述图像状态参数包括充血态参数和静息态参数，几何参数至少包括所述目标血管段的起点和终点；

根据所述图像状态参数和所述几何参数，建立所述目标血管段的形态模型和血流模型；

基于所述血流模型，获取所述目标血管段的平均血流速度V_p；结合所述平均血流速度V_p及血流动力学，获取最大血流速度V_max，以及所述最大血流速度V_max下所述目标血管段的近端终点处的第一血流压力P₁；及相应状态下所述近端终点处与远端终点处的最大压力差数值ΔP；

计算所述目标血管段的血管微循环阻力MR，所述血管微循环阻力MR表示为：

2.根据权利要求1所述的不同状态下血管微循环阻力计算方法，其特征在于：所述图像状态参数为所述目标血管段处于充血态时所述目标血管段的充血态图像参数；所述形态模型为所述目标血管段处于充血态时的充血态形态模型；所述血流模型为所述目标血管段处于充血态时的充血态血流模型。

3.根据权利要求2所述的不同状态下血管微循环阻力计算方法，其特征在于：基于所述充血态血流模型获取所述目标血管段在充血态下的平均血流参数V_p，并基于所述充血态血流模型获取所述目标血管段在充血状态下的所述最大压力差数值ΔP以及所述目标血管段远端终点处的第二血流压力P₂，且当所述形态模型为所述充血态血流模型时，在充血态下的所述平均血流参数V_p与所述最大血流速度V_max相等，所述血管微循环阻力MR表示为：

4.根据权利要求1所述的不同状态下血管微循环阻力计算方法，其特征在于：所述图像状态参数为所述目标血管段处于静息态时所述目标血管段的静息态图像参数；所述形态模型为所述目标血管段处于静息态时的静息态形态模型，所述血流模型为所述目标血管段处于静息态时的静息态血流模型。

5.根据权利要求4所述的不同状态下血管微循环阻力计算方法，其特征在于：根据所述静息态血流模型获取所述目标血管段的平均血流速度V_p，通过所述平均血流速度V_p转换获取所述目标血管段处于静息态时的所述最大血流速度V_max和所述最大压力差数值ΔP。

6.根据权利要求5所述的不同状态下血管微循环阻力计算方法，其特征在于：所述血管微循环阻力MR还包括静息态血管微循环阻力MR_rest，所述静息态血管微循环阻力MR_rest表示为：

其中，V_rest为根据所述静息态血流模型获取的所述目标血管段在静息态下的平均血流速度V_p。

7.一种计算不同状态下血管微循环阻力的系统，其特征在于，所述基于病史信息获取血流储备分数的系统包括：

数据采集器，所述数据采集器用于获取及存储冠脉系统的目标血管段的图像状态参数和几何参数，所述图像状态参数包括充血态参数和静息态参数，几何参数至少包括所述目标血管段的起点和终点；

血流特征处理器，基于所述图像状态图像参数和所述几何参数，建立目标血管段的形态模型和血流模型；

所述血流特征处理器还用于，基于所述血流模型，获取所述目标血管段的平均血流速度V_p；结合所述平均血流速度V_p及血流动力学，获取最大血流速度V_max，以及所述最大血流速度V_max下所述目标血管段的近端终点处的第一血流压力P₁；及相应状态下所述近端终点处与远端终点处的最大压力差数值ΔP；计算所述目标血管段的血管微循环阻力MR。

8.根据权利要求7所述的计算不同状态下血管微循环阻力的系统，其特征在于：所述计算不同状态下血管微循环阻力的系统还包括状态参数转换模块，所述状态参数转换模块用于对所述血流模型进行转换，以通过静息态血流模型和充血态血流模型通过获取所述血管微循环阻力MR。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1-6任意一项所述的不同状态下血管微循环阻力计算方法。

10.一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中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-6任意一项所述的不同状态下血管微循环阻力计算方法。

Images