CN117313486A - 一种血管参数的获取方法、装置、设备和计算机可读存储介质 - Google Patents
一种血管参数的获取方法、装置、设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN117313486A CN117313486A CN202311336015.0A CN202311336015A CN117313486A CN 117313486 A CN117313486 A CN 117313486A CN 202311336015 A CN202311336015 A CN 202311336015A CN 117313486 A CN117313486 A CN 117313486A
- Authority
- CN
- China
- Prior art keywords
- parameters
- blood vessel
- vascular
- model
- finite element
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000002792 vascular Effects 0.000 title claims abstract description 28
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 13
- 239000002657 fibrous material Substances 0.000 claims abstract description 6
- 210000004177 elastic tissue Anatomy 0.000 claims abstract description 4
- 239000012528 membrane Substances 0.000 claims description 15
- 239000000463 material Substances 0.000 claims description 11
- 238000002474 experimental method Methods 0.000 claims description 10
- 239000010410 layer Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 7
- 239000000835 fiber Substances 0.000 claims description 3
- 239000002356 single layer Substances 0.000 claims description 2
- 210000001519 tissue Anatomy 0.000 claims description 2
- 238000012014 optical coherence tomography Methods 0.000 description 23
- 238000004891 communication Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 210000002808 connective tissue Anatomy 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 244000070406 Malus silvestris Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 241000270295 Serpentes Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000013013 elastic material Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 210000004937 luminal membrane Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000011343 solid material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000006439 vascular pathology Effects 0.000 description 1
- 230000037197 vascular physiology Effects 0.000 description 1
Landscapes
- Endoscopes (AREA)
Abstract
本发明提供了一种血管参数的获取方法、装置、设备和计算机可读存储介质,包括采集血管在不同膨胀/压力状态下的OCT图像;处理所述OCT图像以获取血管不同分层的边界;利用上述边界和超弹性纤维材料的模型建立血管的有限元模型;通过逆参数估计的方法在上述有限元模型中迭代得到最接近实验结果的血管参数。
Description
技术领域
本发明涉及血管检测技术领域,特别涉及一种血管参数的获取方法、装置、设备和计算机可读存储介质。
背景技术
血管的力学性能是反映其生理状况健康与否的重要指标,因此多层血管应力和应变状态的生物力学分析在血管病理学和生理学中具有重要意义。目前仍缺少可以在不剥离层的情况下同时测量血管不同层的本构参数的方法。
发明内容
本发明实施例提供了一种血管参数的获取方法,旨在至少解决现有技术中存在的技术问题之一。本发明实施例的第一方面提供了一种血管参数的获取方法,其包括:采集血管在不同膨胀/压力状态下的OCT图像;处理所述OCT图像以获取血管不同分层的边界;利用上述边界和超弹性纤维材料的模型建立血管的有限元模型;通过逆参数估计的方法在上述有限元模型中迭代得到最接近实验结果的血管参数。
进一步,所述模型是基于应变能密度方程的超弹性材料模型。
进一步,所述模型不限于用于各向同性材料或各向异性材料的模型,并且所述有限元模型表征单层血管组织时具有奇数个的待定的用于表征血管的恒定参数。
进一步,求解所述模型的方法包括:输入初始参数,并计算在初始参数条件下内中膜和外膜的周长;调整所述初始参数,使压力周长曲线与实验得到的压力-周长曲线相匹配。
进一步,所述调整所述初始参数包括三个调节步骤,先调节少量参数,再调节剩下的参数,最后调节全部参数。
进一步,通过最小二乘目标方程描述每一次调节的结果和实验测到的压力-周长数据之间的差异,并多次迭代求解该最小二乘目标方程以得到血管参数。
进一步,所述最小二乘目标方程可构造为:
其中,e作为全局最小二乘目标描述了模拟和测量的压力-周长数据之间的差异,Csim(Pi)和Cexp(Pi)分别为模拟和实验中不同压力Pi下的周长。
此外,根据本发明的实施例还提供了一种血管参数的获取装置,所述获取装置包括:OCT图像采集模块,用于采集血管特定位置在不同压力状态下的截面的图像;图像处理模块,用于对所述图像进行分割以获得血管不同分层之间的边界;模型生成模块,用于利用上述边界创建血管的横截面有限元模型;求解模块,用于求解所述中膜和所述外膜的本构参数。
此外,根据本发明的实施例还提供了一种血管参数的获取设备,其特征在于,包括以上所述的血管参数的获取装置。
此外,根据本发明的实施例还提供了一种血管参数的获取设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现以上所述的获取血管参数的方法的步骤。
此外,根据本发明的实施例还提供了一种计算机可读存储介质,所述存储介质上存储计算机程序,所述计算机程序被处理器执行时实现以上所述的获取血管参数的方法的步骤。
根据本发明实施例的血管获取方法、装置、设备和可读存储介质的有益效果包括但不限于可快速获得特定位置血管的参数以判断该段血管是否存在可能的异常等。
附图说明
通过结合以下附图所作的详细描述,本发明的优点将变得更清楚和更容易理解,这些附图只是示意性的,并不限制本发明的保护范围,其中:
图1非限定性地示出了根据本发明实施例的血管参数获取方法所包含的步骤;
图2非限定性地示出了根据本发明实施例的血管参数获取方法中通过OCT获取的血管在不同压力状态下的截面图以及通过图像分割算法处理后的具有清晰的血管不同膜层的边界的OCT图像;
图3非限定性地示出了根据本发明实施例的血管参数获取方法中在有限元软件中利用血管的几何边界、边界条件和本构方程所建立的模型;
图4非限定性地示出了根据本发明实施例的血管参数的获取装置;
图5非限定性地示出了根据本发明实施例的血管参数的获取设备。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
非限定性的,以下通过血管测量的例子来描述本申请的实施例,其中使用的设备为本领域常用的设备,在本申请中不予赘述。测试系统可以同时对血管进行膨胀、截面变形和压力等进行测量,非限定性的,本申请中的测试系统可以其他形式,只要其能获得同样的测量图像和参数即属于本发明的保护范围。
血管内OCT(光学相干断层扫描,Optical Coherence Tomography,简称OCT)系统(HS-100,中国水平医疗)用于成像,在根据本发明实施例的血管参数的获取方法、装置、设备和计算机可读存储介质中的OCT系统的轴向分辨率为2-200μm,优选为10-30μm。在根据本申请实施例的血管参数的获取方法、装置、设备和计算机可读存储介质中,只需要血管任意特定位置处的一个横截面的图像,因此OCT的导管不需要拉回。
应当理解的是,血管包括内腔(也称内腔膜、管腔)、内中膜(也称中膜或“内-中膜”)和外膜,尽管表达方式可能存在差异,但在根据本申请实施例的血管参数的获取方法、装置、设备和计算机可读存储介质中将“内中膜”、“中膜”、“内-中膜”、“中内膜”等抽象地统称为内中膜。
如图1所示,根据本发明实施例的血管获取方法100包括:步骤110,采集血管在不同膨胀/压力状态下的OCT图像;步骤120,处理所述OCT图像以获取不同膨胀/压力状态下的血管的内腔、中膜和外膜的边界;步骤130,利用上述边界和超弹性纤维材料的力学模型建立血管的有限元模型;步骤140,通过逆参数估计的方法在上述有限元模型中迭代得到最接近实验结果的血管参数。接下来进一步描述每个步骤的实现示例。
在血管不同的稳定的压力的状态下拍摄OCT图像,如图2所示,并由压力计监控拍摄不同图像时的压力。轴向拉伸比定义为不同压力状态下的长度之比,根据实验血管的条件设定为1-1.5,优选为1.1-1.3,本实施例中设置为1.2,血管在不同压力下的OCT图像如图2(a)-(c)所示。
非限定性的,为了区分血管壁的各层膜,可执行snakes分割方法,以识别管腔、内中膜和外膜的清晰的边界线。三种不同压力状态下检测到的OCT图像及其经过图像分割处理后的边界线如图2(d)-(f)所示。
计算三个边界的周向长度(周长),分别代表膨胀实验中不同压力下管腔、内中膜和外膜的周长,例如,如图2(a)所示,在0mmHg的状态下,血管的管腔的周长Cin=8.22mm,内中膜的周长Cmed=10.56mm,外膜的周长Cout=12.19mm。
为了尽可能逼真地创建血管模型,可将OCT图像中提取某个单一稳定状态下的三个边界坐标输入到诸如COMSOL Multiphysics等有限元仿真软件中,以创建血管的横切面。同时为了便于轴向载荷的应用,2D横截面被拉伸1-5mm以生成厚度为2mm的3D模型,如图3所示拉伸了2mm。
非限定性的,诸如COMSOL仿真要用到几何模型、本构模型和边界条件。几何模型和边界条件是可以获得的,而用于描述血管的本构模型有多种不同学说,根据本发明实施例的血管参数获取方法适用或者说可以使用各种已知的本构模型(针对不同肤色、年龄、性别的情况),例如Fung提出的应变能函数模型、V aishnav等人提出的应变能函数模型以及Holzapfel等人提出的GOH应变能密度方程等。
非限定性的,可采用不可压缩的各向异性的超弹性纤维固体材料的力学模型(例如GOH模型,Gasser-Ogden-Holzapfel,即GOH应变能密度方程)来描述血管标本的超弹性特性以建立有限元模型,内中膜和外膜均可通过GOH模型描述:
其中Wm血管的内中膜的应变能密度,C=[Cij]是右柯西格林变形张量,I1和I2是C的不变量,Cm,Ca,km1,ka1,km2和ka2是待确定的恒定材料参数,其中下标m和a表示内中膜和外膜。因此,每一层有3个未知参数。在根据本发明实施例中,假设主血管中膜的杨氏模量比外膜高一个数量级,为了减少参数的数量,Cm是10倍的Ca,亦可假设Cm=nCa,其中n=1或10或100。
容易理解的是,亦可以通过其他各向异性的超弹性材料的模型来建立血管的有限元仿真模型,在各向异性的材料中,将用于描述纤维取向的参数调整为最大值该模型便可以简化为用于描述各向同性材料的模型。因此,根据本发明实施例的方法中既可以使用各向同性的超弹性纤维材料本构模型也可以使用各向异性的超弹性材料模型,针对不同年龄的人的血管具有较强的适应性。
为了获得等式(1)和(2)中的材料参数,根据本发明的实施例提出了一种实验-数值参数估计方法,通过一种基于Levenberg-Marquardt算法的逆参数估计方法,来同时求解血管的各层的本构参数。
首先,进行初值的假设,假设Cm=km1=ka1=km2=ka2=mCa,其中m为0.2-20中的任意值并且优选为10,并且Cm的初值假设为2-30且优选为10,例如输入一组初始参数(Cm=10kPa,Ca=1kPa,km1=10kPa,ka1=10kPa,km2=10,ka2=10)到有限元模型中;其次,模拟计算不同压力下有限元模型的管腔、中膜和外膜的周长;然后,调整输入参数,使模拟的压力-周长曲线与膨胀实验得到的压力-周长曲线相匹配。
考虑到用于描述超弹性纤维材料的本构方程在不包括纤维取向参数的情况下通常有3个、5个或7个参数,为了简化运算,根据本发明的实施例提出了一种先调节少量参数(例如1个参数),再调节盛于的多个参数,最后一起调节全部参数的逐步逼近的三步调节法。
为了更准确和方便的调整输入参数,根据本发明的实施例提出了三步算法。根据膨胀实验的压力-周长曲线,变形在低压时为线性变形阶段,在高压时为非线性变形阶段。在第一步中,模拟和实验之间的迭代比较处于线性阶段,因此仅调整参数集Cm和Ca而其他参数保持初始值;第二步中,迭代大都是在非线性阶段进行的,将参数集C固定为第一步得到的终值,调整参数集k(km1,ka1,km2和km2);在第三步中,用前两步得到的终值作为参数集C和k的初始值,并再次同时调整这两个参数集,以进一步缩小模拟和实验之间的差异。
在计算过程中,每一步都可以转化为最小化问题:
其中e是全局最小二乘目标,它描述了模拟和测量的压力-周长数据之间的差异。Csim(Pi)和Cexp(Pi)分别为模拟和实验中不同压力Pi下的周长。我们采用Levenberg-MarQuardt算法分三个阶段求解方程(3)所示的最小二乘问题,来得到6个材料参数(Cm=8kPa,Ca=0.8kPa,km1=80kPa,ka1=230kPa,km2=3.8,ka2=22),从而定量获得血管的本构模型的参数即血管的参数。非限定性的,根据本发明实施例中所述的本构参数即用于表征血管的本构模型中的参数。
接下来进行了虚拟变形测试以评估逆参数估计方法的准确性。我们用上文逆参数估计方法得到的血管本构模型参数,通过提及的基于OCT图像的有限元建模的方法建立了虚拟变形实验的有限元模型。
从0到160mmHg每10mmHg设置血管管腔的边界负荷,血管样本的轴向拉伸比设置为1.0-2.0,人体血管在正常血压范围内取1.2,该拉伸比与人体年龄、肤色、性别等因素有关,优选的,40岁以下人群可取1.05,40-50岁人群取1.10,50-60岁取1.15,60岁以上取1.20。通过COMSOL计算得到管腔和内膜介质的压力-圆周数据集以代替原始膨胀实验得到的结果。
使用逆参数估计方法,输入一组初始参数(Cm=10kPa,Ca=1kPa,km1=10kPa,ka1=10kPa,km2=10,ka2=10)到有限元模型中,重复上文步骤,最终得到了6个材料参数(Cm=8kPa,Ca=0.8kPa,km1=78.472kPa,ka1=235.89kPa,km2=3.761,ka2=21.893),参见以下表1。
表1.
可见,利用本发明的基于OCT成像和膨胀实验的完整血管力学特性测量方法,可以定量获得内中膜和外膜的本构模型的参数。通过虚拟变形模拟实验对该方法的有效性进行了评估,得出给定参数集与估计结果之间的最大误差为2.56%,几乎不会影响应力和应变预测。因此该方法为血管力学性能测量提供了一种新的测试方法。
图4进一步提供了一种根据本发明实施例的血管获取装置1000,其包括OCT图像采集模块1110、OCT图像处理模块1120、模型生成模块1130、求解模块1140,其中,OCT图像处理模块1120用于对OCT图像采集模块1110采集到的图像进行分割处理以获取用于建立有限元模型的血管各层的清晰的几何边界,求解模块1140用于执行在模型生成模块1130所生成的模型中迭代以获得血管的参数(本构参数)。
图5是本发明提供的血管参数获取设备一个实施例的示意图。该实施例中,所述控制设备包括:处理器、存储器以及存储在存储器中并可在处理器上运行的应用程序。处理器执行应用程序时实现化学机械抛光系统的故障诊断方法实施例中的各实施例中的步骤。或者,处理器执行应用程序时实现如上述系统实施例中的各实施例中的各模块/单元的功能。
处理器可以是单个处理单元或多个处理单元,所有处理单元可以包括单个或多个计算单元或者多个核心。处理器可以被实施成一个或更多微处理器、微型计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路和/或基于操作指令来操纵信号的任何设备。除了其他能力之外,处理器可以被配置成获取并且执行存储在存储器、大容量存储设备或者其他计算机可读介质中的计算机可读指令,诸如应用程序的程序代码、其他程序的程序代码等。
存储器和大容量存储设备是用于存储指令的计算机可读存储介质的示例,指令由处理器执行来实施前面所描述的各种功能。举例来说,存储器一般可以包括易失性存储器和非易失性存储器二者(例如RAM、ROM等)。此外,大容量存储设备一般可以包括硬盘驱动器、固态驱动器、可移除介质、包括外部和可移除驱动器、存储器卡、闪存、软盘、光盘(例如CD、DVD)、存储阵列、网络附属存储、存储区域网等。存储器和大容量存储设备都可以被统称为存储器或计算机可读存储介质,并且可以是能够把计算机可读、处理器可执行程序指令存储为计算机程序代码的非暂态介质,计算机程序代码可以由处理器作为被配置成实施在本文的示例中所描述的操作和功能的特定机器来执行。
多个程序可以存储在大容量存储设备上。这些程序包括一个或多个应用程序其他程序和程序数据,并且它们可以被加载到存储器以供执行。这样的应用程序或程序模块的示例可以包括例如用于实现以下部件/功能的计算机程序逻辑(例如,计算机程序代码或指令)。
本发明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存储有应用程序,应用程序被处理器执行时实现如图1所示的方法步骤。所述的应用程序可存储于一计算机可读存储介质中,该应用程序在被处理器执行时,可实现上述各个方法实施例的步骤。
进一步地,所述应用程序包括应用程序代码,所述应用程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述应用程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
此外,上述血管参数的获取装置、设备或计算机可读存储介质还具有一个或更多通信接口用于诸如通过网络、直接连接等等与其他设备交换数据。这样的通信接口可以是以下各向中的一个或多个:任何类型的网络接口(例如,网络接口卡(NIC))、有线或无线(诸如IEEE 802.11无线LAN(WLAN))无线接口、全球微波接入互操作(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、BluetoothTM接口、近场通信(NFC)接口等。通信接口可以促进在多种网络和协议类型内的通信,其中包括有线网络(例如LAN、电缆等等)和无线网络(例如WLAN、蜂窝、卫星等等)、因特网等等。通信接口还可以提供与诸如存储阵列、网络附属存储、存储区域网等等中的外部存储装置(未示出)的通信。
如本发明所使用的,“计算机可读介质”至少包括两种类型的计算机可读介质,也就是计算机可读存储介质和通信介质。
计算机可读存储介质包括通过用于存储信息的任何方法或技术实施的易失性和非易失性、可移除和不可移除介质,信息诸如是计算机可读指令、数据结构、程序模块或者其他数据。计算机可读存储介质包括而不限于RAM、ROM、EEPROM、闪存或其他存储器技术,CD-ROM、数字通用盘(DVD)、或其他光学存储装置,磁盒、磁带、磁盘存储装置或其他磁性存储设备,或者可以被用来存储信息以供电子设备访问的任何其他非传送介质。与此相对,通信介质可以在诸如载波或其他传送机制之类的已调制数据信号中具体实现计算机可读指令、数据结构、程序模块或其他数据。本发明所定义的计算机可读存储介质不包括通信介质。
进一步地,存储器还可以既包括控制设备的内部存储单元也包括外部存储设备。存储器用于存储应用程序以及控制设备所需的其他程序和数据。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
在一些示例中,控制设备可以包括诸如监视器之类的显示设备,以用于向用户显示信息和图像。其他I/O设备可以是接收来自用户的各种输入并且向用户提供各种输出的设备,并且可以包括触摸输入设备、手势输入设备、摄影机、键盘、遥控器、鼠标、打印机、音频输入/输出设备等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种血管参数的获取方法:
采集血管在不同膨胀/压力状态下的OCT图像;
处理所述OCT图像以获取血管不同分层的边界;
利用上述边界和超弹性纤维材料的模型建立血管的有限元模型;
通过逆参数估计的方法在上述有限元模型中迭代得到最接近实验结果的血管参数。
2.如权利要求1所述的血管参数的获取方法,其特征在于,所述模型不限于用于各向同性材料或各项异性材料的模型,并且所述有限元模型表征单层血管组织时除用于表征纤维取向的参数外具有奇数个的待定的用于表征血管的恒定参数。
3.如权利要求1所述的血管参数的获取方法,其特征在于,求解所述模型的方法包括:
输入初始参数,并计算在初始参数条件下内中膜和外膜的周长;
调整所述初始参数,使压力周长曲线与实验得到的压力-周长曲线相匹配。
4.如权利要求3所述的血管参数的获取方法,其特征在于,所述调整所述初始参数包括三个调节步骤,先调节少量参数,再调节剩下的参数,最后调节全部参数。
5.如权利要求4所述的血管参数的获取方法,其特征在于,通过最小二乘目标方程描述每一次调节的结果和实验测到的压力-周长数据之间的差异,并多次迭代求解该最小二乘目标方程以得到血管参数。
6.如权利要求5所述的血管参数的获取方法,其特征在于,所述最小二乘目标方程可构造为:其中,e作为全局最小二乘目标描述了模拟和测量的压力-周长数据之间的差异,Csim(Pi)和Cexp(Pi)分别为模拟和实验中不同压力Pi下的周长。
7.一种血管参数的获取装置,其特征在于,所述获取装置包括:
OCT图像采集模块,用于采集血管特定位置在不同压力状态下的截面的图像;
图像处理模块,用于对所述图像进行分割以获得血管不同分层之间的边界;
模型生成模块,用于利用上述边界创建血管的横截面有限元模型;
求解模块,用于求解所述中膜和所述外膜的本构参数。
8.一种血管参数的获取设备,其特征在于,包括:如权利要求7所述的血管参数的获取装置。
9.一种血管参数的获取设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任意一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311336015.0A CN117313486A (zh) | 2023-10-16 | 2023-10-16 | 一种血管参数的获取方法、装置、设备和计算机可读存储介质 |
CN202410202890.8A CN118071701A (zh) | 2023-10-16 | 2024-02-23 | 基于血管oct图像分析的血管参数的获取方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311336015.0A CN117313486A (zh) | 2023-10-16 | 2023-10-16 | 一种血管参数的获取方法、装置、设备和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117313486A true CN117313486A (zh) | 2023-12-29 |
Family
ID=89255101
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311336015.0A Pending CN117313486A (zh) | 2023-10-16 | 2023-10-16 | 一种血管参数的获取方法、装置、设备和计算机可读存储介质 |
CN202410202890.8A Pending CN118071701A (zh) | 2023-10-16 | 2024-02-23 | 基于血管oct图像分析的血管参数的获取方法、装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410202890.8A Pending CN118071701A (zh) | 2023-10-16 | 2024-02-23 | 基于血管oct图像分析的血管参数的获取方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN117313486A (zh) |
-
2023
- 2023-10-16 CN CN202311336015.0A patent/CN117313486A/zh active Pending
-
2024
- 2024-02-23 CN CN202410202890.8A patent/CN118071701A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN118071701A (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9495725B2 (en) | Method and apparatus for medical image registration | |
JP5584006B2 (ja) | 投影画像生成装置、投影画像生成プログラムおよび投影画像生成方法 | |
CN110782520A (zh) | 基于稀疏位置测量的利用神经网络的左心房形状重建 | |
JP5551960B2 (ja) | 診断支援システム、診断支援プログラムおよび診断支援方法 | |
JP6010277B2 (ja) | 断層撮像法またはビュー低減トモシンセシスにより取得した画像を処理するための方法 | |
CN108122616B (zh) | 个体特异性的心血管模型的生成方法及其应用 | |
WO2016182508A1 (en) | Medical image processing methods and systems | |
US10130332B2 (en) | Method and apparatus of diagnosing cardiac diseases based on modeling of cardiac motion | |
US9619938B2 (en) | Virtual endoscopic image display apparatus, method and program | |
US9514280B2 (en) | Method and apparatus for creating model of patient specified target organ based on blood vessel structure | |
CN109872376A (zh) | 一种重建动态磁共振图像的方法、装置及可读存储介质 | |
JP2023139022A (ja) | 医用画像処理方法、医用画像処理装置、医用画像処理システム及び医用画像処理プログラム | |
CN116705330B (zh) | 确定血管壁的弹性特征的方法、计算设备和介质 | |
CN105096306B (zh) | 用于对医学图像进行配准的方法和设备 | |
JP2015097724A (ja) | 血管解析装置及び血管解析プログラム | |
JP6783941B2 (ja) | 変形可能なオブジェクトへのデバイス挿入のための応力予測および応力評価 | |
US9092666B2 (en) | Method and apparatus for estimating organ deformation model and medical image system | |
JP6335799B2 (ja) | 心臓の伝導路を可視化するための装置および方法 | |
CN113592879A (zh) | 基于人工智能的颈动脉斑块分割方法、装置及存储介质 | |
EP3965064A1 (en) | Correcting anatomical maps | |
JP2017047027A (ja) | 磁気共鳴イメージング装置及び画像処理装置 | |
US20210052328A1 (en) | Dynamic Flow Phantom for in Vitro Cardiac Intervention Pre-Procedure Planning and Testing Using Patent Specific 3D Printed Anatomical Models | |
JP7300811B2 (ja) | 医用情報処理装置、医用情報処理方法、およびプログラム | |
CN116703994B (zh) | 医学图像配准的方法、计算设备和计算机可读存储介质 | |
CN117313486A (zh) | 一种血管参数的获取方法、装置、设备和计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20231229 |