CN117476241B - 用于确定血管的血流量的方法、计算设备和介质 - Google Patents
用于确定血管的血流量的方法、计算设备和介质 Download PDFInfo
- Publication number
- CN117476241B CN117476241B CN202311837248.9A CN202311837248A CN117476241B CN 117476241 B CN117476241 B CN 117476241B CN 202311837248 A CN202311837248 A CN 202311837248A CN 117476241 B CN117476241 B CN 117476241B
- Authority
- CN
- China
- Prior art keywords
- blood flow
- period
- systolic
- determining
- beat
- 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
- 230000017531 blood circulation Effects 0.000 title claims abstract description 373
- 238000000034 method Methods 0.000 title claims abstract description 93
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 129
- 238000012360 testing method Methods 0.000 claims abstract description 52
- 238000001595 flow curve Methods 0.000 claims description 164
- 230000003205 diastolic effect Effects 0.000 claims description 70
- 230000010354 integration Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 230000000737 periodic effect Effects 0.000 description 6
- 230000002730 additional effect Effects 0.000 description 5
- 238000002595 magnetic resonance imaging Methods 0.000 description 5
- 238000010992 reflux Methods 0.000 description 5
- 230000010349 pulsation Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000000135 prohibitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- 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
- A61B5/026—Measuring blood flow
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Epidemiology (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Robotics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- Hematology (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及一种用于确定血管的血流量的方法、计算设备和介质，该方法包括：获取针对血管的参考血流量和参考时间的参考关系，以便确定参考关系所关联的参考周期、参考收缩期占比以及参考血流量；获取检测对象的搏动关联检测数据，搏动关联检测数据至少指示搏动特征以及每搏输出量；基于搏动关联检测数据，调整参考关系所关联的参考周期、参考收缩期占比以及参考血流量，以便获得经调整的参考关系；以及基于经调整的参考关系，确定针对检测对象的血管的血流量。本发明可以高效且低成本地确定检测对象的血流量，并且显著提高针对差异性个体确定血流量的准确性。
Description
技术领域
本发明的实施例总体涉及医学信息处理领域，并且更具体地涉及一种用于确定血管的血流量的方法、计算设备和介质。
背景技术
在血液动力学仿真研究领域，一般需要获取动脉血管入口处的血流量条件以进行仿真计算。传统的确定血流量的方式中，往往借助于磁共振成像（Magnetic ResonanceImaging, 简称为MRI）设备，通过图像处理的方式对成像结果进行处理，从而计算血液中的氢原子的速度并进一步确定血管入口的血流量曲线。但是，这种方式使得血流量的最终确定耗时较长并且成本过高，不适合广泛使用。在另一种传统的确定血流量的方式中，直接指定一个通用的血流量曲线并进行仿真。但是，虽然不同对象的血流量曲线具有共性特征，但是不同对象之间以及同一对象的不同时刻之间仍然存在差异，因此基于通用的血流量曲线确定血流量的传统方式无法准确适用于每个检测对象的特定性情况。
综上，传统的确定血管的血流量的方法存在的不足在于：无法高效且低成本地确定检测对象的血流量，在成本受限的情况下针对多样性的个体难以准确确定血流量。
发明内容
针对上述问题，本发明提供了一种用于确定血管的血流量的方法、计算设备和介质，可以高效且低成本地确定检测对象的血流量，并且显著提高针对差异性个体确定血流量的准确性。
根据本发明的第一方面，提供了一种用于确定血管的血流量的方法，该方法包括：获取针对血管的参考血流量和参考时间的参考关系，以便确定参考关系所关联的参考周期、参考收缩期占比以及参考血流量；获取检测对象的搏动关联检测数据，搏动关联检测数据至少指示搏动特征以及每搏输出量；基于搏动关联检测数据，调整参考关系所关联的参考周期、参考收缩期占比以及参考血流量，以便获得经调整的参考关系；以及基于经调整的参考关系，确定针对检测对象的血管的血流量。
在一些实施例中，搏动特征包括：搏动周期、心率中的至少一项；以及收缩期占比、舒张期占比、收缩期时长、舒张期时长、收缩期终点位置、以及舒张期起点位置中的至少一项。
在一些实施例中，基于搏动关联检测数据，调整参考关系所关联的参考周期、参考收缩期占比以及参考血流量包括：基于搏动周期，调整参考关系所关联的参考周期，以使得经调整的参考周期与搏动周期的差值小于或者等于第一阈值，搏动周期是基于所获取的心率而确定的。
在一些实施例中，基于搏动关联检测数据，调整参考关系所关联的参考周期、参考收缩期占比以及参考血流量包括：基于参考关系，确定参考周期中的参考收缩期和参考舒张期；以及基于搏动关联检测数据所包括的收缩期占比、舒张期占比、收缩期时长、舒张期时长、收缩期终点位置、以及舒张期起点位置中的至少一项，在参考周期中调整参考收缩期和参考舒张期，以使得调整后的参考收缩期占比与收缩期占比的差值小于或者等于第二阈值。
在一些实施例中，基于搏动关联检测数据，调整参考关系所关联的参考周期、参考收缩期占比以及参考血流量包括：基于参考关系以及每搏输出量，确定针对参考血流量的调整比例；以及基于调整比例，调整参考关系所关联的参考血流量。
在一些实施例中，基于参考关系以及每搏输出量，确定针对参考血流量的调整比例包括：确定参考关系的积分结果；基于积分结果，确定参考周期内的参考输出量；以及基于参考输出量以及每搏输出量，确定针对参考血流量的调整比例。
在一些实施例中，基于参考关系以及每搏输出量，确定针对参考血流量的调整比例包括：基于参考周期内的多个参考时间，确定对应的多个参考血流量的参考平均血流量；基于每搏输出量以及搏动周期，确定检测对象的平均血流量；以及基于参考平均血流量以及平均血流量，确定针对参考血流量的调整比例。
在一些实施例中，参考关系为包括参考血流量与参考时间的参考血流量曲线，并且基于搏动关联检测数据，调整参考关系所关联的参考周期、参考收缩期占比以及参考血流量包括：基于搏动特征所包括的搏动周期，调整参考血流量曲线所关联的参考周期，以使得经调整的参考周期与搏动周期的差值小于或者等于第一阈值；基于搏动特征所包括的收缩期占比，在参考周期中调整参考收缩期以及参考舒张期，以使得调整后的参考收缩期占比与收缩期占比的差值小于或者等于第二阈值；基于调整后的参考血流量曲线的积分结果，确定调整后参考周期内的参考输出量；基于参考输出量以及搏动关联检测数据所包括的每搏输出量，确定针对参考血流量的调整比例；以及基于调整比例，调整参考血流量曲线所关联的参考血流量。
在一些实施例中，还包括：基于检测对象的血管的血流量，对血管进行模型重建，以确定血管在搏动周期内的三维血管模型。
根据本发明的第二方面，提供了一种计算设备。该计算设备包括：至少一个处理器；以及至少一个存储器，至少一个存储器被耦合到至少一个处理器并且存储用于由至少一个处理器执行的指令，指令当由至少一个处理器执行时，使得计算设备执行根据本发明第一方面的方法的步骤。
根据本发明的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序代码，该计算机程序代码在被运行时执行根据本发明第一方面的方法的步骤。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过参考下列附图所给出的本发明的具体实施方式的描述，将更好地理解本发明，并且本发明的其他目的、细节、特点和优点将变得更加显而易见。
图1示出了本发明的一些实施例的用于实现确定血管的血流量的方法的系统的示意图。
图2示出了本发明的一些实施例的用于确定血管的血流量的方法的流程图。
图3示出了本发明的一些实施例的血流量曲线的示意图。
图4示出了本发明的一些实施例的用于调整血流量曲线的周期的方法的流程图。
图5示出了本发明的一些实施例的周期调整前后的血流量曲线的示意图。
图6示出了本发明的一些实施例的用于调整血流量曲线的收缩期占比的方法的流程图。
图7示出了本发明的一些实施例的收缩期占比调整前后的血流量曲线的示意图。
图8示出了本发明的一些实施例的用于调整血流量曲线的血流量的方法的流程图。
图9示出了本发明的一些实施例的血流量调整前后的血流量曲线的示意图。
图10示出了本发明的一些实施例的用于调整血流量曲线的方法的流程图。
图11示出了本发明的一些实施例的用于调整血流量曲线的过程的示意图。
图12示出了本发明的一些实施例的调整前后的血流量曲线的示意图。
图13示意性示出了适于用来实现本发明实施例的电子设备的框图。
在各个附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参照附图更详细地描述本发明的优选实施方式。虽然附图中显示了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整的传达给本领域的技术人员。
在下文的描述中，出于说明各种发明的实施例的目的阐述了某些具体细节以提供对各种发明实施例的透彻理解。但是，相关领域技术人员将认识到可在无这些具体细节中的一个或多个细节的情况来实践实施例。在其它情形下，与本申请相关联的熟知的装置、结构和技术可能并未详细地示出或描述从而避免不必要地混淆实施例的描述。
除非语境有其它需要，在整个说明书和权利要求中，词语“包括”和其变型，诸如“包含”和“具有”应被理解为开放的、包含的含义，即应解释为“包括，但不限于”。
在整个说明书中对“一个实施例”或“一些实施例”的提及表示结合实施例所描述的特定特点、结构或特征包括于至少一个实施例中。因此，在整个说明书的各个位置“在一个实施例中”或“在一些实施例”中的出现不一定全都指相同实施例。另外，特定特点、结构或特征可在一个或多个实施例中以任何方式组合。
此外，说明书和权利要求中所用的第一、第二等术语，仅仅出于描述清楚起见来区分各个对象，而并不限定其所描述的对象的大小或其他顺序等。
如前文所述，传统的确定血管的血流量的方法存在的不足在于：无法高效且低成本地确定检测对象的血流量，在成本受限的情况下针对多样性的个体难以准确确定血流量。
为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本发明提供了一种用于确定血管的血流量的方法。在该方法中，通过对检测对象进行检测以获取检测对象的包括搏动特征和每搏输出量的搏动关联检测数据，然后通过该检测对象的搏动关联检测数据调整通用的血流量与时间的关系（可称为参考关系），使得调整后的血流量与时间的关系中的周期、收缩期占比以及血流量能够与该检测对象的搏动特征和每搏输出量相匹配，从而得到针对该检测对象的血流量与时间的关系。本发明中用于调整通用的血流量与时间的关系的搏动关联检测数据的获取方式无需过多耗时且相对便捷，在保证调整后的血流量与时间的关系能够针对于该检测对象的特殊性的同时，无需借助于磁共振成像设备等昂贵仪器，并且相比于传统方式中直接指定血流量曲线的方式提高了对于个体差异的适应性，进而有效提高所确定血流量的准确性。因而，本发明可以高效且低成本地确定检测对象的血流量，并且显著提高针对差异性个体确定血流量的准确性。此外，还可以兼顾不同对象的特异性参数和共性参数。
图1示出了本发明的一些实施例的用于实现确定血管的血流量的方法的系统100的示意图。参考图1，系统100包括计算设备102、搏动周期检测装置112、收缩期/舒张期检测装置114、每搏输出量检测装置116以及血流量显示设备118。在一些实施例中，搏动周期检测装置112、收缩期/舒张期检测装置114、每搏输出量检测装置116为彼此独立的设备。备选的或者附加地，搏动周期检测装置112、收缩期/舒张期检测装置114、每搏输出量检测装置116为同一设备的不同硬件结构。
关于搏动周期检测装置112，其与计算设备102连接，用以采集检测对象的与搏动周期相关的搏动特征并发送至计算设备102。在一些实施例中，与搏动周期相关的搏动特征为检测对象的搏动周期，即一次搏动所需要的时间。备选地或者附加地，与搏动周期相关的搏动特征为检测对象的心率，例如每分钟内的搏动次数。
关于收缩期/舒张期检测装置114，其与计算设备102连接，用以采集检测对象的与收缩期或者舒张期相关的搏动特征并发送至计算设备102。在一些实施例中，与收缩期或者舒张期相关的搏动特征包括但不限于收缩期占比（即收缩期在搏动周期的时间占比）、舒张期占比（即舒张期在搏动周期的时间占比）、收缩期时长（收缩期的时间长度）、舒张期时长（舒张期的时间长度）、收缩期终点位置（收缩期的终点在搏动周期中的位置）、以及舒张期起点位置（舒张期的起点在搏动周期中的位置）中的至少一项。
关于每搏输出量检测装置116，其与计算设备102连接，用以采集检测对象的每搏输出量（即每次搏动的血液排量）并发送至计算设备102。
关于计算设备102，其可以采用MCU（Micro Controller Unit，微控制单元）、CPU（Central Processing Unit，中央处理器）、GPU（Graphics Processing Unit，图形处理器）、GPGPU（General-purpose Computing on Graphics Processing Units，通用图形处理器）、FPGA（Field Programmable Gate Array，现场可编程逻辑门阵列）或者其它可编程逻辑器件、ASIC（Application Specific Integrated Circuit，专用集成电路）、分立门或者晶体管逻辑器件、分立硬件组件等实现。计算设备102可以具有一个或多个处理单元，包括诸如GPU、FPGA和ASIC等的专用处理单元以及诸如CPU的通用处理单元。计算设备102可以接收动周期检测装置112、收缩期/舒张期检测装置114、每搏输出量检测装置116发送的搏动关联检测数据并进行处理，以及在确定检测对象的血流量后向血流量显示设备118发送血流量。
关于参考关系确定单元104，其用于获取针对血管的参考血流量和参考时间的参考关系，以便确定参考关系所关联的参考周期、参考收缩期占比以及参考血流量。
关于搏动关联检测数据获取单元106，其用于获取检测对象的搏动关联检测数据，搏动关联检测数据至少指示搏动特征以及每搏输出量。
关于参考关系调整单元108，其用于基于搏动关联检测数据，调整参考关系所关联的参考周期、参考收缩期占比以及参考血流量，以便获得经调整的参考关系。
关于血流量确定单元110，其用于基于经调整的参考关系，确定针对检测对象的血管的血流量。
关于血流量显示设备118，其用于接收计算设备102发送的血流量并进行显示。在一些实施例中，计算设备102发送的血流量以三维模型的方式而被组织（例如血管的三维血流量模型，该三维血流量模型中可以通过颜色标注的方式展示血管不同部位的血流量），通过显示设备118可以直接观测到该三维模型的不同方位的立体图像。
以下将结合图2描述根据本发明的实施例的用于确定血管的血流量的方法200。图2示出了本发明的一些实施例的用于确定血管的血流量的方法200的流程图。应当理解，方法200例如可在图1中所描述的计算设备102中执行，也可以在图13所示的电子设备1300中执行。应当理解，方法200还可以包括未示出的附加动作和/或可以省略所示出的动作，本发明的范围在此方面不受限制。
在步骤202处，计算设备102获取针对血管的参考血流量和参考时间的参考关系，以便确定参考关系所关联的参考周期、参考收缩期占比以及参考血流量。
关于参考关系，在一些实施例中，其可以是预先准备的作为模板的血流量曲线，该血流量曲线基于以时间作为横轴、血流量（可称为参考血流量）作为纵轴所建立的坐标系确定。在该参考关系中，还关联有每次搏动对应的周期（可称为参考周期）以及每次搏动的过程中的收缩期在整个周期中的收缩期占比（可称为参考收缩期占比）。在一些实施例中，通过采集多个正常对象的多个血流量曲线，并对多个血流量曲线进行汇总和整合，得到通用性高的血流量曲线（作为模板）。下文结合图3说明血流量曲线300，在此，不再赘述。
在步骤204处，计算设备102获取检测对象的搏动关联检测数据，搏动关联检测数据至少指示搏动特征以及每搏输出量。
在一些实施例中，参考图1中所示的系统100，计算设备102从搏动周期检测装置112、收缩期/舒张期检测装置114以及每搏输出量检测装置116处接收与检测对象的搏动相关联的检测数据（可称为搏动关联检测数据）。在一些实施例中，搏动周期检测装置112所获取的检测数据用于表示检测对象的搏动周期相关信息，收缩期/舒张期检测装置114所获取的检测数据用于表示检测对象的收缩期或者舒张期的相关信息，搏动周期检测装置112和收缩期/舒张期检测装置114所获取的检测数据可以合并称为检测对象的搏动特征。在一些实施例中，每搏输出量检测装置116所获取的检测数据为每搏输出量。
关于搏动特征，其例如包括搏动周期、心率中的至少一项（可由搏动周期检测装置112获得）；以及收缩期占比、舒张期占比、收缩期时长、舒张期时长、收缩期终点位置、以及舒张期起点位置中的至少一项（可由收缩期/舒张期检测装置114获得）。
在步骤206处，计算设备102基于搏动关联检测数据，调整参考关系所关联的参考周期、参考收缩期占比以及参考血流量，以便获得经调整的参考关系。
关于基于搏动关联检测数据，调整参考关系所关联的参考周期、参考收缩期占比以及参考血流量的方法，其例如包括：基于搏动周期，调整参考关系所关联的参考周期，以使得经调整的参考周期与搏动周期的差值小于或者等于第一阈值，搏动周期是基于所获取的心率而确定的。下文将结合图4以及图5说明调整血流量曲线的周期的方法400以及周期调整前后的血流量曲线500，在此，不再赘述。
关于基于搏动关联检测数据，调整参考关系所关联的参考周期、参考收缩期占比以及参考血流量的方法，其例如包括：基于参考关系，确定参考周期中的参考收缩期和参考舒张期；以及基于搏动关联检测数据所包括的收缩期占比、舒张期占比、收缩期时长、舒张期时长、收缩期终点位置、以及舒张期起点位置中的至少一项，在参考周期中调整参考收缩期和参考舒张期，以使得调整后的参考收缩期占比与收缩期占比的差值小于或者等于第二阈值。下文将结合图6以及图7说明调整血流量曲线的收缩期占比的方法600以及收缩期占比调整前后的血流量曲线700，在此，不再赘述。
关于基于搏动关联检测数据，调整参考关系所关联的参考周期、参考收缩期占比以及参考血流量的方法，其例如包括基于参考关系以及每搏输出量，确定针对参考血流量的调整比例；以及基于调整比例，调整参考关系所关联的参考血流量。在一些实施例中，基于参考关系以及每搏输出量，确定针对参考血流量的调整比例的方法，其例如包括：确定参考关系的积分结果；基于积分结果，确定参考周期内的参考输出量；以及基于参考输出量以及每搏输出量，确定针对参考血流量的调整比例。下文将结合图8以及图9说明调整血流量曲线的血流量的方法800以及血流量调整前后的血流量曲线900，在此，不再赘述。
在一些实施例中，基于参考关系以及每搏输出量，确定针对参考血流量的调整比例的方法，其例如包括：基于参考周期内的多个参考时间，确定对应的多个参考血流量的参考平均血流量；基于每搏输出量以及搏动周期，确定检测对象的平均血流量；以及基于参考平均血流量以及平均血流量，确定针对参考血流量的调整比例。
在一些实施例中，在该血流量曲线中确定多个时间点（可称为参考时间），并基于多个时间点确定对应的多个血流量（可称为参考血流量），计算血流量曲线中的该多个血流量的平均血流量（可称为参考平均血流量）。然后，根据检测对象的每搏输出量以及搏动周期的比值，计算该检测对象的平均血流量。进一步，根据检测对象的平均血流量与血流量曲线的平均血流量的比值确定调整比例（例如将该比值直接作为调整比例）。应当理解，检测对象的平均血流量与血流量曲线的平均血流量的差异反映了检测对象的血流量（实际血流量）与血流量曲线中的血流量（参考血流量）的差异，因此该调整比例可以用于调整血流量曲线中的血流量，以使得血流量曲线中的血流量与检测对象的血流量相同或者相近。
在一些实施例中，基于设置的时间间隔，在通用的血流量曲线（可称为参考关系）中设置时间间隔，基于该时间间隔在该血流量曲线中确定多个时间点（可称为参考时间），并进一步基于该多个时间点在血流量曲线中确定多个血流量。应当理解，本实施例中所设置的时间间隔越短，所采集的时间点和血流量的数量越多（即数据采集样本越丰富），因而通过多个血流量计算得到的平均血流量越接近于该血流量曲线的实际平均血流量，即平均血流量的结果越准确。
关于参考关系，其例如包括参考血流量与参考时间的参考血流量曲线，并且关于基于搏动关联检测数据，调整参考关系所关联的参考周期、参考收缩期占比以及参考血流量的方法，其例如包括：基于搏动特征所包括的搏动周期，调整参考血流量曲线所关联的参考周期，以使得经调整的参考周期与搏动周期的差值小于或者等于第一阈值；基于搏动特征所包括的收缩期占比，在参考周期中调整参考收缩期以及参考舒张期，以使得调整后的参考收缩期占比与收缩期占比的差值小于或者等于第二阈值；基于调整后的参考血流量曲线的积分结果，确定调整后参考周期内的参考输出量；基于参考输出量以及搏动关联检测数据所包括的每搏输出量，确定针对参考血流量的调整比例；以及基于调整比例，调整参考血流量曲线所关联的参考血流量。下文将结合图10、图11以及图12分别说明调整血流量曲线的方法1000、调整血流量曲线的过程1100以及调整前后的血流量曲线1200，在此，不再赘述。
应当理解，由于搏动关联检测数据是针对检测对象所获取的，因此经调整的参考关系是针对于该检测对象的血流量与时间的关系。尽管本发明中的参考关系还可以进一步结合该检测对象的搏动关联检测数据以外的其他数据进行调整，但是所得到的经调整的参考关系依然是针对于该检测对象的血流量与时间的关系，其他数据的结合不影响经调整的参考关系对该检测对象所具有的针对性。
在基于经调整的参考关系，确定针对检测对象的血管的血流量后，本发明中的方法例如还包括：基于检测对象的血管的血流量，对血管进行模型重建，以确定血管在搏动周期内的三维血管模型。
在上述方案中，本发明可以通过对检测对象进行检测以获取检测对象的包括搏动特征和每搏输出量的搏动关联检测数据，然后通过该检测对象的搏动关联检测数据调整通用的血流量与时间的关系，使得调整后的血流量与时间的关系中的周期、收缩期占比以及血流量能够与该检测对象的搏动特征和每搏输出量相匹配，从而得到针对该检测对象的血流量与时间的关系。本发明中用于调整通用的血流量与时间的关系的搏动关联检测数据的获取方式简单，在保证调整后的血流量与时间的关系能够针对于该检测对象的同时，无需借助于磁共振成像设备等昂贵仪器，并且相比于传统方式中直接指定血流量曲线的方式提高了准确性。因而，本发明可以高效且低成本地确定检测对象的血流量，并且显著提高针对差异性个体确定血流量的准确性。此外，还可以兼顾不同对象的特异性参数和共性参数。
下面结合图3描述根据本发明的实施例的血流量曲线300。图3示出了本发明的一些实施例的血流量曲线的示意图。在一些实施例中，参考图3，血流量曲线的横轴为时间T，其单位例如包括分钟（min）或者秒（s），血流量曲线的纵轴为流量Q，其单位例如包括升/分钟（L/min）或者毫升/分钟（mL/min），横轴与纵轴的交点为原点0。血流量曲线的一个周期中包括：①（起始点）、②（最快血流量增加点）、③（最高血流量点）、④（最快血流量减小点）、⑤（收缩末期回流点，也可称为收缩期终点或者舒张期起点）、⑥（返波点）以及⑦（结束点），①和⑦之间所对应的时间区间[0, T1]为血流量曲线的一个周期，①和⑤之间所对应的时间区间[0, T2]为血流量曲线在一个周期中的收缩期，⑤和⑦之间所对应的时间区间[T2,T1]为血流量曲线在一个周期中的舒张期。
下面结合图4以及图5说明调整血流量曲线的调整方法400以及周期调整前后的血流量曲线500。图4示出了本发明的一些实施例的用于调整血流量曲线的周期的方法400的流程图。应当理解，方法400例如可在图1中所描述的计算设备102中执行，也可以在图13所示的电子设备1300中执行。应当理解，方法400还可以包括未示出的附加动作和/或可以省略所示出的动作，本发明的范围在此方面不受限制。
在步骤402处，计算设备102获取检测对象的心率。
关于心率，其例如包括检测对象在每分钟的搏动次数。在一些实施例中，参考图1中所示的系统100，计算设备102从搏动周期检测装置112处接收检测对象的心率。
在步骤404处，计算设备102基于心率，确定检测对象的搏动周期。
在一些实施例中，计算心率的倒数，从而得到检测对象每次搏动的时间即搏动周期。例如，当心率为75次/分钟时，其搏动周期大约为0.8秒。
在步骤406处，计算设备102基于搏动周期，等比例调整血流量曲线的横轴时间，使得血流量曲线的周期（可称为参考周期）等于搏动周期。
在一些实施例中，根据搏动周期等比例调整血流量曲线的横轴时间，从而实现对血流量曲线的横向拉伸或者收缩，使得调整后的血流量曲线的周期等于搏动周期。应当理解，本实施例中调整后的血流量曲线的周期等于搏动周期仅仅作为一个优选的示例，本发明中调整后的血流量曲线的周期与搏动周期之间的差值可以低于一个阈值（可称为第一阈值），该阈值的大小可以根据实际需要进行设置。
通过采用上述技术手段，本发明能够基于心率计算检测对象的搏动周期，进而基于搏动周期调整血流量曲线，使得调整后的血流量曲线满足检测对象的搏动周期，成本较低，并且提高了针对检测对象的血流量曲线的准确性。
图5示出了本发明的一些实施例的周期调整前后的血流量曲线500的示意图。参考图5，实线所示的曲线为调整前的血流量曲线，虚线所示的曲线为调整后的血流量曲线。在一些实施例中，调整前的血流量曲线的周期（可称为参考周期）为[0, T1]，当检测对象的搏动周期为[0, T1’]时，对调整前的血流量曲线的横坐标进行调整，得到调整后的血流量曲线，使得调整后的血流量曲线的周期也为[0, T1’]。
下面结合图6以及图7说明调整血流量曲线的收缩期占比的方法600以及收缩期占比调整前后的血流量曲线700。图6示出了本发明的一些实施例的用于调整血流量曲线的收缩期占比的方法600的流程图。应当理解，方法600例如可在图1中所描述的计算设备102中执行，也可以在图13所示的电子设备1300中执行。应当理解，方法600还可以包括未示出的附加动作和/或可以省略所示出的动作，本发明的范围在此方面不受限制。
在步骤602处，计算设备102确定血流量曲线中的一个周期内的收缩期和舒张期。
关于收缩期和舒张期，其时间之和为血流量曲线的一个周期，收缩期和舒张期以收缩末期回流点（也可称为收缩期终点或者舒张期起点）为分界线，将一个周期划分成两部分。因此，在收缩期和舒张期中的其中一个被确定时，另一个也随之被确定。在一些实施例中，确定收缩期（或者舒张期）后，基于一个周期与收缩期（或者舒张期）的差值确定舒张期（或者收缩期）。备选地或者附加地，根据收缩末期回流点在一个周期中的位置，确定收缩期和舒张期。
在步骤604处，计算设备102获取检测对象的收缩期占比。
在一些实施例中，参考图1中所示的系统100，计算设备102从收缩期/舒张期检测装置114处接收检测对象的收缩期或者舒张期的搏动特征。在一些实施例中，计算设备102从收缩期/舒张期检测装置114处接收检测对象的收缩期占比。备选地或者附加地，计算设备102从收缩期/舒张期检测装置114处接收检测对象的舒张期占比、收缩期时长、舒张期时长、收缩期终点位置、以及舒张期起点位置中的至少一项，然后再计算检测对象的收缩期占比。
在步骤606处，计算设备102基于检测对象的收缩期占比，调整血流量曲线中的收缩期和舒张期，使得血流量曲线中的收缩期占比（可称为参考收缩期占比）等于检测对象的收缩期占比。
在一些实施例中，根据检测对象的收缩期占比，调整血流量曲线中的收缩期和舒张期包括：调整血流量曲线中的收缩期时长、调整血流量曲线中的舒张期时长、调整血流量曲线的收缩期占比、调整血流量曲线的舒张期占比、调整血流量曲线中的收缩末期回流点的位置等。应当理解，上述技术手段虽然不同，但是最终所实现的效果一致（血流量曲线的收缩期占比的调整结果一致），通过上述技术手段调整血流量曲线均可以对血流量曲线的收缩期占比的调整，使得调整后的血流量曲线的收缩期占比等于检测对象的收缩期占比。
应当理解，本实施例中调整后的血流量曲线的收缩期占比等于检测对象的收缩期占比仅仅作为一个优选的示例，本发明中调整后的血流量曲线的收缩期占比与检测对象的收缩期占比之间的差值可以低于一个阈值（可称为第二阈值），该阈值的大小可以根据实际需要进行设置。
通过采用上述技术手段，本发明能够获取检测对象的收缩期占比，进而基于检测对象的收缩期占比调整血流量曲线的收缩期渣比，使得调整后的血流量曲线满足检测对象的收缩期占比，成本较低，并且提高了针对检测对象的血流量曲线的准确性。
图7示出了本发明的一些实施例的收缩期占比调整前后的血流量曲线700的示意图。参考图7，实线所示的曲线为调整前的血流量曲线，虚线所示的曲线为调整后的血流量曲线。在一些实施例中，调整前的血流量曲线的收缩末期回流点为T2，收缩期为[0, T2]，舒张期为[T2, T1]，收缩期占比为T2与T1的比值。当确定检测对象的舒张期占比（为方便表述，假设检测对象的收缩期占比低于血流量曲线的收缩期占比）后，降低血流量曲线中的收缩期时长并提高血流量曲线中的舒张期时长，从而降低血流量曲线中的收缩期占比以使其等于检测对象的收缩期占比。调整后的血流量曲线的收缩末期回流点为T2’，收缩期为[0,T2’]，舒张期为[T2’, T1]，收缩期占比为T2’与T1的比值。
下面结合图8以及图9说明调整血流量曲线的血流量的方法800以及血流量调整前后的血流量曲线900。图8示出了本发明的一些实施例的用于调整血流量曲线的血流量的方法800的流程图。应当理解，方法800例如可在图1中所描述的计算设备102中执行，也可以在图13所示的电子设备1300中执行。应当理解，方法800还可以包括未示出的附加动作和/或可以省略所示出的动作，本发明的范围在此方面不受限制。
在步骤802处，计算设备102确定血流量曲线中的一个周期内的积分结果，作为血流量曲线的周期输出量。
在一些实施例中，通过积分的方式计算通用的血流量曲线在一个周期内的积分结果。应当理解，血流量曲线表示的是血流量对时间的关系，因此血流量曲线的积分结果所表示的是在对应时间段内的血液排量。通过血流量曲线的一个周期的起点时间和终点时间，可以计算得到该周期内的积分结果，并将该结果作为周期输出量（可称为参考输出量）。
在步骤804处，计算设备102获取检测对象的每搏输出量。
在一些实施例中，参考图1中所示的系统100，计算设备102从每搏输出量检测装置116处接收检测对象的每搏输出量。
在步骤806处，计算设备102基于检测对象的每搏输出量与积分得到的周期输出量的比值，确定调整比例。
在一些实施例中，确定检测对象的每搏输出量与通用的血流量曲线中的周期输出量的比值，并将该比值作为用于调整通用的血流量曲线中血流量的调整比例。应当理解，检测对象的每搏输出量与血流量曲线中的周期输出量之间的差异（即检测对象的实际血流量曲线的积分结果与通用的血流量曲线的积分结果）体现了检测对象的实际血流量与该通用的血流量曲线中的血流量的差异，因此可以基于该调整比例调整血流量曲线中的血流量，以使得调整后的血流量曲线中的血流量与检测对象的实际血流量相同或者相近。
在步骤808处，计算设备102基于调整比例调整血流量曲线中的血流量。
在一些实施例中，通过上述方案计算得到通用的血流量曲线中的血流量的调整比例后，将血流量曲线中的血流量乘以该调整比例，从而得到调整后的血流量曲线。
通过采用上述技术手段，本发明能够获取检测对象的搏动输出量，进而基于检测对象的搏动输出量与通用的血流量曲线中的周期积分结果（作为周期输出量）的比值调整通用的血流量曲线中的血流量，使得调整后的血流量与检测对象的实际血流量相同或者相近，成本较低，并且提高了针对检测对象的血流量曲线的准确性。
图9示出了本发明的一些实施例的血流量调整前后的血流量曲线900的示意图。参考图9，实线所示的曲线为调整前的血流量曲线，虚线所示的曲线为调整后的血流量曲线。在一些实施例中，调整前的血流量曲线中最高血流量点的血流量为Q1，当调整前的血流量曲线中的血流量乘以调整比例得到调整后的血流量曲线后，得到最高血流量点的血流量Q2。
下面结合图10、图11以及图12分别说明调整血流量曲线的方法1000、调整血流量曲线的过程1100以及调整前后的血流量曲线1200。图10示出了本发明的一些实施例的用于调整血流量曲线的方法的流程图，应当理解，方法1000例如可在图1中所描述的计算设备102中执行，也可以在图13所示的电子设备1300中执行。应当理解，方法1000还可以包括未示出的附加动作和/或可以省略所示出的动作，本发明的范围在此方面不受限制。
在步骤1002处，计算设备102获取作为模板的血流量曲线。
在步骤1004处，计算设备102根据检测对象的搏动周期，调整血流量曲线中的周期，以使得血流量曲线的周期等于搏动周期。
在步骤1006处，计算设备102根据检测对象的收缩期占比，调整血流量曲线中每个周期的收缩期和舒张期，以使得血流量曲线的收缩期占比等于检测对象的收缩期占比。
在步骤1008处，计算设备102根据血流量曲线的积分确定一个周期内的周期输出量，根据检测对象的每搏输出量与周期输出量的比值，确定调整比例并基于该调整比例调整血流量。
下面结合图11中的调整血流量曲线的过程1100进一步描述图10中的方法1000。图11示出了本发明的一些实施例的用于调整血流量曲线的过程1100的示意图。应当理解，过程1100例如可在图1中所描述的计算设备102中执行，也可以在图13所示的电子设备1300中执行。应当理解，过程1100还可以包括未示出的附加动作和/或可以省略所示出的动作，本发明的范围在此方面不受限制。
在一些实施例中，参考图11，计算设备102获取检测对象的检测数据（检测对象的心率1104、检测对象的收缩期占比1110、检测对象的每搏输出量1116），通过检测对象的检测数据来拟合得到针对该检测对象的主动脉入口的血流量曲线。
在步骤1102中，计算设备102获取血流量曲线。其中，该血流量曲线为基于正常对象的每搏输出量和血流量所确定的通用的血流量曲线，血流量曲线的最低点可以定义为收缩期终点，在收缩期终点之前为收缩期，在收缩期终点之后为舒张期。
在步骤1108中，计算设备102调整血流量曲线的周期。在一些实施例中，首先获取检测对象的心率1104，根据检测对象的心率1104计算检测对象的搏动周期1106，然后根据检测对象的搏动周期1106调整血流量曲线的周期，使得血流量曲线的周期与检测对象的搏动周期1106相等。
在步骤1112中，计算设备102调整血流量曲线的收缩期占比。在一些实施例中，首先获取检测对象的收缩期占比1110，然后根据检测对象的收缩期占比1110调整血流量曲线中的收缩期和舒张期，使得调整后的血流量曲线中的收缩期占比与检测对象的收缩期占比1110相等。
在步骤1120中，计算设备102调整血流量曲线的血流量。在一些实施例中，首先计算血流量曲线的积分结果1114，将血流量曲线中的一个周期内的积分结果作为周期输出量。然后，获取检测对象的每搏输出量1116，并确定检测对象的每搏输出量116与周期输出量的比值作为调整比例1118，将血流量曲线中的血流量与该调整比例1118相乘，使得调整后的血流量曲线中的血流量与检测对象的实际血流量相同或者相近。
图12示出了本发明的一些实施例的调整前后的血流量曲线1200的示意图。参考图12，实线所示的曲线为调整前的血流量曲线，虚线所示的曲线为调整后的血流量曲线。在一些实施例中，调整前的血流量曲线的周期为[0, T1]，收缩期为[0, T2]，舒张期为[T2,T1]，收缩期占比为T2与T1的比值，最高血流量点的血流量为Q1。基于本实施例的方法对血流量曲线的周期、收缩期占比以及血流量进行调整后，所得到的血流量的周期为[0, T1’]，收缩期为[0, T2’]，舒张期为[T2’, T1’]，收缩期占比为T2’与T1’的比值，最高血流量点的血流量为Q1’。
图13示意性示出了适于用来实现本发明实施例的电子设备1300的框图。电子设备1300可以是用于实现计算设备102。电子设备1300可以是用于实现执行图2、图4、图6、图8、图10以及图11所示的方法200、方法400、方法600、方法800、方法1000以及过程1100的设备。如图13所示，电子设备1300包括中央处理单元（CPU）1301，其可以根据存储在只读存储器（ROM）1302中的计算机程序指令或者从存储单元1308加载到随机访问存储器（RAM）1303中的计算机程序指令，来执行各种适当的动作和处理。在RAM 1303中，还可存储电子设备1300操作所需的各种程序和数据。CPU 1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出（I/O）接口1305也连接至总线1304。
电子设备1300中的多个部件连接至I/O接口1305，包括：输入单元1306、输出单元1307、存储单元1308，中央处理单元1301执行上文所描述的各个方法和处理，例如执行方法200、方法400、方法600、方法800、方法1000以及过程1100。例如，在一些实施例中，上文所描述的各个处理或操作可被实现为计算机软件程序，其被存储于机器可读介质，例如存储单元1308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1302和/或通信单元1309而被载入和/或安装到电子设备1300上。当计算机程序加载到RAM 1303并由CPU 1301执行时，可以执行上文所描述的各个方法和处理，例如执行方法200、方法400、方法600、方法800、方法1000以及过程1100的一个或多个操作。备选地，在其他实施例中，CPU 1301可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行上文所描述的各个方法和处理，例如执行方法200、方法400、方法600、方法800、方法1000以及过程1100的一个或多个动作。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，该编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网（LAN）或广域网（WAN）—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这些计算机可读程序指令可以提供给语音交互装置中的处理器、通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
以上仅为本发明的可选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等效替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种用于确定血管的血流量的方法，其特征在于，包括：
获取针对血管的参考血流量和参考时间的参考关系，以便确定参考关系所关联的参考周期、参考收缩期占比以及参考血流量，所述参考关系为包括参考血流量与参考时间的参考血流量曲线；
获取检测对象的搏动关联检测数据，所述搏动关联检测数据至少指示搏动特征以及每搏输出量；所述搏动特征包括：搏动周期、心率中的至少一项；以及收缩期占比、舒张期占比、收缩期时长、舒张期时长、收缩期终点位置、以及舒张期起点位置中的至少一项；
基于所述搏动关联检测数据，调整所述参考关系所关联的参考周期、参考收缩期占比以及参考血流量，以便获得经调整的参考关系；以及
基于经调整的参考关系，确定针对所述检测对象的血管的血流量；
基于所述搏动关联检测数据，调整所述参考关系所关联的参考周期、参考收缩期占比以及参考血流量包括：
基于所述搏动周期，调整所述参考关系所关联的所述参考周期，以使得经调整的参考周期与所述搏动周期的差值小于或者等于第一阈值，所述搏动周期是基于所获取的心率而确定的；
基于所述参考关系，确定所述参考周期中的参考收缩期和参考舒张期；
基于搏动关联检测数据所包括的所述收缩期占比、所述舒张期占比、所述收缩期时长、所述舒张期时长、所述收缩期终点位置、以及所述舒张期起点位置中的至少一项，在所述参考周期中调整所述参考收缩期和所述参考舒张期，以使得调整后的参考收缩期占比与所述收缩期占比的差值小于或者等于第二阈值；
基于所述参考关系以及所述每搏输出量，确定针对所述参考血流量的调整比例；以及
基于所述调整比例，调整所述参考关系所关联的所述参考血流量。
2.根据权利要求1所述的方法，其特征在于，基于所述参考关系以及所述每搏输出量，确定针对所述参考血流量的调整比例包括：
确定所述参考关系的积分结果；
基于所述积分结果，确定所述参考周期内的参考输出量；以及
基于所述参考输出量以及所述每搏输出量，确定针对所述参考血流量的所述调整比例。
3.根据权利要求1所述的方法，其特征在于，基于所述参考关系以及所述每搏输出量，确定针对所述参考血流量的调整比例包括：
基于所述参考周期内的多个参考时间，确定对应的多个参考血流量的参考平均血流量；
基于所述每搏输出量以及所述搏动周期，确定所述检测对象的平均血流量；以及
基于所述参考平均血流量以及所述平均血流量，确定针对所述参考血流量的所述调整比例。
4.根据权利要求1所述的方法，其特征在于，基于所述搏动关联检测数据，调整所述参考关系所关联的参考周期、参考收缩期占比以及参考血流量包括：
基于搏动特征所包括的搏动周期，调整所述参考血流量曲线所关联的参考周期，以使得经调整的参考周期与所述搏动周期的差值小于或者等于第一阈值；
基于搏动特征所包括的收缩期占比，在参考周期中调整参考收缩期以及参考舒张期，以使得调整后的参考收缩期占比与所述收缩期占比的差值小于或者等于第二阈值；
基于调整后的参考血流量曲线的积分结果，确定调整后参考周期内的参考输出量；
基于所述参考输出量以及搏动关联检测数据所包括的每搏输出量，确定针对所述参考血流量的调整比例；以及
基于所述调整比例，调整所述参考血流量曲线所关联的所述参考血流量。
5.根据权利要求1所述的方法，其特征在于，还包括：
基于所述检测对象的血管的血流量，对血管进行模型重建，以确定血管在所述搏动周期内的三维血管模型。
6. 一种计算设备，包括：
至少一个处理器；以及
至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理器并且存储用于由所述至少一个处理器执行的指令，所述指令当由所述至少一个处理器执行时，使得所述计算设备执行根据权利要求1至5中任一项所述的方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序代码，所述计算机程序代码在被运行时执行如权利要求1至5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311837248.9A CN117476241B (zh) | 2023-12-28 | 2023-12-28 | 用于确定血管的血流量的方法、计算设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311837248.9A CN117476241B (zh) | 2023-12-28 | 2023-12-28 | 用于确定血管的血流量的方法、计算设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117476241A CN117476241A (zh) | 2024-01-30 |
| CN117476241B true CN117476241B (zh) | 2024-04-19 |
Family
ID=89640179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311837248.9A Active CN117476241B (zh) | 2023-12-28 | 2023-12-28 | 用于确定血管的血流量的方法、计算设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117476241B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014143962A2 (en) * | 2013-03-15 | 2014-09-18 | Intelomed, Inc | System and method for characterizing circulatory blood flow |
| WO2015148930A1 (en) * | 2014-03-28 | 2015-10-01 | Roche Diabetes Care, Inc. | System and method for adjusting therapy based on risk associated with a glucose state |
| WO2018012341A1 (ja) * | 2016-07-14 | 2018-01-18 | 京セラ株式会社 | 血流測定装置、算出システム、算出方法、算出プログラム、血流測定方法及び血流測定プログラム |
| CN108261192A (zh) * | 2016-12-30 | 2018-07-10 | 深圳先进技术研究院 | 连续血压测量方法、装置以及设备 |
| EP3629341A1 (en) * | 2018-09-28 | 2020-04-01 | Kardiolytics Inc. | Modelling blood vessels and blood flow |
| CN113870284A (zh) * | 2021-09-29 | 2021-12-31 | 柏意慧心(杭州)网络科技有限公司 | 用于对医学影像进行分割的方法、设备和介质 |
| CN114642450A (zh) * | 2022-03-16 | 2022-06-21 | 苏州圣泽医疗科技有限公司 | 基于超声的颈动脉血流确定方法、装置以及计算机设备 |
| CN115005790A (zh) * | 2022-05-17 | 2022-09-06 | 西北工业大学 | 非完备压力边界条件下血流量快速计算方法 |
| CN115762798A (zh) * | 2022-11-01 | 2023-03-07 | 深圳睿心智能医疗科技有限公司 | 血流动力学参数确定方法、装置、存储介质及电子设备 |
| CN115836850A (zh) * | 2022-11-11 | 2023-03-24 | 智谷医疗科技（广州）有限公司 | 一种动脉血流特征参数的pwv数据分析系统及方法 |
| CN116703994A (zh) * | 2023-07-31 | 2023-09-05 | 柏意慧心(杭州)网络科技有限公司 | 医学图像配准的方法、计算设备和计算机可读存储介质 |
| CN116705330A (zh) * | 2023-07-31 | 2023-09-05 | 柏意慧心(杭州)网络科技有限公司 | 确定血管壁的弹性特征的方法、计算设备和介质 |
| CN116779135A (zh) * | 2022-03-08 | 2023-09-19 | 数坤(北京)网络科技股份有限公司 | 用于计算血液储备分数的方法、装置、计算设备及介质 |
-
2023
- 2023-12-28 CN CN202311837248.9A patent/CN117476241B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014143962A2 (en) * | 2013-03-15 | 2014-09-18 | Intelomed, Inc | System and method for characterizing circulatory blood flow |
| WO2015148930A1 (en) * | 2014-03-28 | 2015-10-01 | Roche Diabetes Care, Inc. | System and method for adjusting therapy based on risk associated with a glucose state |
| WO2018012341A1 (ja) * | 2016-07-14 | 2018-01-18 | 京セラ株式会社 | 血流測定装置、算出システム、算出方法、算出プログラム、血流測定方法及び血流測定プログラム |
| CN108261192A (zh) * | 2016-12-30 | 2018-07-10 | 深圳先进技术研究院 | 连续血压测量方法、装置以及设备 |
| EP3629341A1 (en) * | 2018-09-28 | 2020-04-01 | Kardiolytics Inc. | Modelling blood vessels and blood flow |
| CN113870284A (zh) * | 2021-09-29 | 2021-12-31 | 柏意慧心(杭州)网络科技有限公司 | 用于对医学影像进行分割的方法、设备和介质 |
| CN116779135A (zh) * | 2022-03-08 | 2023-09-19 | 数坤(北京)网络科技股份有限公司 | 用于计算血液储备分数的方法、装置、计算设备及介质 |
| CN114642450A (zh) * | 2022-03-16 | 2022-06-21 | 苏州圣泽医疗科技有限公司 | 基于超声的颈动脉血流确定方法、装置以及计算机设备 |
| CN115005790A (zh) * | 2022-05-17 | 2022-09-06 | 西北工业大学 | 非完备压力边界条件下血流量快速计算方法 |
| CN115762798A (zh) * | 2022-11-01 | 2023-03-07 | 深圳睿心智能医疗科技有限公司 | 血流动力学参数确定方法、装置、存储介质及电子设备 |
| CN115836850A (zh) * | 2022-11-11 | 2023-03-24 | 智谷医疗科技（广州）有限公司 | 一种动脉血流特征参数的pwv数据分析系统及方法 |
| CN116703994A (zh) * | 2023-07-31 | 2023-09-05 | 柏意慧心(杭州)网络科技有限公司 | 医学图像配准的方法、计算设备和计算机可读存储介质 |
| CN116705330A (zh) * | 2023-07-31 | 2023-09-05 | 柏意慧心(杭州)网络科技有限公司 | 确定血管壁的弹性特征的方法、计算设备和介质 |
Non-Patent Citations (2)
| Title |
|---|
| M-3动作时颈内动脉血流动力学的变化;薛建设, 刘倩, 安一明, 黄淑芳;中华航空航天医学杂志;19981230(04);第22-24页 * |
| 彩色多普勒超声频移法对正常人颈总动脉血流量的分步测定;凌巍山;;中国超声医学杂志;20090316(03);第29-32页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117476241A (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10580526B2 (en) | System and method for calculating vessel flow parameters based on angiography | |
| JP2020523089A5 (zh) | ||
| JP6073570B2 (ja) | 磁気共鳴イメージングシステム及び方法 | |
| JP7041147B2 (ja) | 造影剤流の肝灌流を特徴付けるシステム及び方法 | |
| JP2015510812A (ja) | 非虚血性心筋症及びその他における、ｔ１マッピングを使用して正常な心筋層をびまん性疾患から識別するシステム及び方法 | |
| CN111627003B (zh) | 一种冠脉血流储备计算装置 | |
| JP5736462B2 (ja) | 超音波撮像装置及び方法 | |
| CN117476241B (zh) | 用于确定血管的血流量的方法、计算设备和介质 | |
| CN110246135A (zh) | 卵泡监测方法、装置、系统及存储介质 | |
| JPS6244222A (ja) | 電子血圧計 | |
| CN114782358A (zh) | 一种血管形变自动计算的方法、装置及存储介质 | |
| WO2020173416A1 (zh) | 一种图像处理方法、装置、系统以及电子设备和存储介质 | |
| CN107405134B (zh) | 超声成像装置 | |
| US8436610B2 (en) | Perfusion adaptive blood proton spin tagged MR image data processing system | |
| CN109885492A (zh) | 一种基于图像识别和曲线拟合的响应时间测试方法及终端 | |
| JP2008513087A (ja) | 患者の心臓からの画像を処理するための装置、ソフトウェア及び方法 | |
| JP5299511B2 (ja) | 輪郭抽出装置およびプログラム | |
| CN110929604B (zh) | 基于造影图像的流速的筛选方法、装置、系统和存储介质 | |
| JP2003265480A (ja) | 医用運動解析装置及びその方法 | |
| JP2023535457A (ja) | 冠微小血管抵抗スコアを判定する方法およびデバイス | |
| JP5143986B2 (ja) | 脳血流計測装置 | |
| US8390284B2 (en) | Magnetic resonance imaging apparatus, method and program of magnetic resonance imaging | |
| CN114325523B (zh) | T1值确定方法、装置、电子设备和存储介质 | |
| JPH10314128A (ja) | 血圧測定装置 | |
| JPH0634781B2 (ja) | 電子血圧計 |
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 |