CN118196002A - 基于ivus图像重建的血流储备分数计算方法及装置 - Google Patents
基于ivus图像重建的血流储备分数计算方法及装置 Download PDFInfo
- Publication number
- CN118196002A CN118196002A CN202410133306.8A CN202410133306A CN118196002A CN 118196002 A CN118196002 A CN 118196002A CN 202410133306 A CN202410133306 A CN 202410133306A CN 118196002 A CN118196002 A CN 118196002A
- Authority
- CN
- China
- Prior art keywords
- determining
- coronary artery
- blood vessel
- segment
- ivus image
- 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
- 238000002608 intravascular ultrasound Methods 0.000 title claims abstract description 86
- 238000004364 calculation method Methods 0.000 title claims abstract description 34
- 210000004351 coronary vessel Anatomy 0.000 claims abstract description 81
- 238000000034 method Methods 0.000 claims abstract description 38
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 37
- 230000017531 blood circulation Effects 0.000 claims abstract description 26
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 23
- 208000037804 stenosis Diseases 0.000 claims description 23
- 230000036262 stenosis Effects 0.000 claims description 23
- 230000011218 segmentation Effects 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000003709 image segmentation Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000036772 blood pressure Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 201000000057 Coronary Stenosis Diseases 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000013146 percutaneous coronary intervention Methods 0.000 description 3
- 206010011089 Coronary artery stenosis Diseases 0.000 description 2
- 230000004872 arterial blood pressure Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000544 hyperemic effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 206010057469 Vascular stenosis Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008485 antagonism Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002586 coronary angiography Methods 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了一种基于IVUS图像重建的血流储备分数计算方法及装置，所述方法包括：获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置；依据所述分支开口位置对所述血管中心线的进行分段，得到所述血管中心线的若干节段；其中，所述节段包括分支段、正常段和狭窄段；依据所述节段确定所述目标冠状动脉的血流储备分数。通过确定分支开口位置，充分考虑分支对血管内血流的影响，只需分支开口位置即可，无需重建完整的血管模型，并将血管中心线分成若干节段，可以模拟不同节段，以求解血管各处的血流储备分数。
Description
技术领域
本发明主要涉及医学检测领域，尤其涉及一种基于IVUS图像重建的血流储备分数计算方法及装置。
背景技术
冠状动脉狭窄的准确诊断对指导冠心病患者的临床治疗非常重要。冠状动脉狭窄的评估方法包括形态学评估和功能性评估，分别以血管内超声(IVUS)和有创性血流储备分数(FFR)为金标准。在临床诊断过程中单独使用IVUS或有创性FFR都不能全面评估冠状动脉狭窄，因为IVUS难以确定血管狭窄对远端冠状动脉血流的影响，而有创性FFR不能确定血管斑块的类型、狭窄的位置和大小等形态学信息。因此，有必要将IVUS提供的形态学信息和有创性FFR提供的功能性信息结合起来，以精确地指导经皮冠状动脉介入治疗(PCI)。分别进行IVUS和FFR检查需要进行两次有创性检查，会给病人带来高昂的检查费用和较高的临床生理风险，因此有研究提出了基于IVUS图像的虚拟血流储备分数(IVUS-FFR)分析。
基于IVUS图像的虚拟血流储备分数(IVUS-FFR)分析提供了一种只需进行一次IVUS检查就能从形态学和功能性两方面综合评估冠状动脉狭窄的方法。然而，基于IVUS图像的虚拟FFR分析面临着两个挑战：一是IVUS图像的分割需要学习像素之间的上下文关系并解决类别不平衡的问题；二是IVUS图像中缺少分支信息使得考虑侧支血流的影响变得困难。
以往的研究中主要通过在分割网络最后一层中使用针对图像中每个像素的像素级损失函数来衡量预测分割结果和真实分割结果的区别，这样的方法可能会忽略了像素之间的上下文关系。一些研究通过向网络输入不同分辨率的图像来提高网络学习像素之间上下文关系的能力，这种方法仍受到像素级损失函数的限制并且不能强制网络结构在端到端的过程中学习多尺度图像上下文关系。一些研究通过使用跳连接技术来使网络直接从一张完整图像中学习不同尺度的特征信息，并使用了加权交叉熵损失函数来解决分类输出类别不平衡的问题，这种方法的缺点是网络鲁棒性较差，超参数的选择需要针对特定任务进行调试，以及网络结构训练难以收敛；二是IVUS图像中只包含分支血管开口信息，缺少分支血管形态信息使得考虑侧支血流的影响变得困难，基于IVUS图像重建的冠状动脉是单管模型，用这种模型进行虚拟FFR分析会因为忽略了分支血管对血流的影响而严重降低准确度。现有的方法需要通过手动重建完整分支血管的三维模型来解决这个问题，这种方法耗时长，难度大，降低了IVUS-FFR的分析效率和临床可行性。
发明内容
鉴于所述问题，提出了本申请以便提供克服所述问题或者至少部分地解决所述问题的一种基于IVUS图像重建的血流储备分数计算方法及装置，包括：
一种基于IVUS图像重建的血流储备分数计算方法，包括：
获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置；
依据所述分支开口位置对所述血管中心线进行分段，得到所述血管中心线的若干节段；其中，所述节段包括分支段、正常段和狭窄段；
依据所述节段确定所述目标冠状动脉的血流储备分数。
进一步地，所述获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置的步骤，包括：
获取样本IVUS图像；
建立生成对抗网络，并依据所述样本IVUS图像训练所述生成对抗网络，使所述生成对抗网络具备图像分割能力；
依据所述生成对抗网络对所述IVUS图像进行分割重建，得到所述目标冠状动脉的单管模型和侧支血管的开口形状；
依据所述单管模型和所述侧支血管的开口形状确定所述目标冠状动脉的血管中心线和分支开口位置。
进一步地，依据所述分支开口位置对所述血管中心线的进行分段，得到所述血管中心线的节段；其中，所述节段包括分支段、正常段和狭窄段的步骤，包括：
依据所述分支开口位置确定分支节点；
依据所述分支节点确定所述血管中心线的分支段；
依据所述分支段确定所述血管中心线的正常段。
进一步地，还包括：
依据狭窄检测算法确定所述目标冠状动脉的狭窄位置；
依据所述狭窄位置确定所述血管中心线的狭窄段。
进一步地，所述依据所述节段确定所述目标冠状动脉的血流储备分数的步骤，包括：
依据所述节段确定与所述节段对应的边界条件；
依据所述边界条件确定对应所述节段的压力场；
依据所述压力场确定所述目标冠状动脉各个位置的血流储备分数。
进一步地，所述依据所述节段确定与所述节段对应的边界条件的步骤，包括：
依据所述节段的入口血压和入口血流量确定入口边界条件；
依据充分发展流确定出口边界条件。
进一步地，所述依据所述压力场确定所述目标冠状动脉各个位置的血流储备分数的步骤，包括：
依据所述压力场确定所述目标冠状动脉的压力分布；
依据所述压力分布确定所述目标冠状动脉的血流储备分数。
一种基于IVUS图像重建的血流储备分数的计算装置，所述基于IVUS图像重建的血流储备分数的计算装置实现上述任一项所述的基于IVUS图像重建的血流储备分数的计算方法的步骤，包括：
获取模块，用于获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置；
分段模块，用于依据所述分支开口位置对所述血管中心线进行分段，得到所述血管中心线的若干节段；其中，所述节段包括分支段、正常段和狭窄段；
计算模块，用于依据所述节段确定所述目标冠状动脉的血流储备分数。
一种电子设备，包括处理器、存储器及存储在所述存储器上并能够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上述任一项所述的基于IVUS图像重建的血流储备分数的计算方法的步骤。
一种计算机可读存储介质，所述计算机可读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上述任一项所述的基于IVUS图像重建的血流储备分数的计算方法的步骤。
本申请具有以下优点：
在本申请的实施例中，针对于现有技术中缺少分支信息使得考虑侧支血流的影响变得困难的缺点，本申请提供了一种基于IVUS图像重建的血流储备分数计算方法，具体为：获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置；依据所述分支开口位置对所述血管中心线进行分段，得到所述血管中心线的若干节段；其中，所述节段包括分支段、正常段和狭窄段；依据所述节段确定所述目标冠状动脉的血流储备分数。通过确定分支开口位置，充分考虑分支对血管内血流的影响，只需分支开口位置即可，无需重建完整的血管模型，并将血管中心线分成若干节段，可以模拟不同节段，以求解血管各处的血流储备分数。
附图说明
为了更清楚地说明本申请的技术方案，下面将对本申请的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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的一种基于IVUS图像重建的血流储备分数计算方法的步骤流程图；
图2是本申请一实施例提供的一种针对图像分割任务改进的生成对抗网络SegAN的网络结构
图3是本申请一实施例提供的基于生成对抗网络和分叉分型定律的IVUS-FFR分析案例图
图4是本申请一实施例提供的一种基于IVUS图像重建的血流储备分数的计算装置的模块结构示意图；
图5是本发明一实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的所述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。显然，所描述的实施例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。
发明人通过分析现有技术发现：现有技术主要通过在分割网络最后一层中使用针对图像中每个像素的像素级损失函数来衡量预测分割结果和真实分割结果的区别，这样的方法可能会忽略了像素之间的上下文关系。一些研究通过向网络输入不同分辨率的图像来提高网络学习像素之间上下文关系的能力，这种方法仍受到像素级损失函数的限制并且不能强制网络结构在端到端的过程中学习多尺度图像上下文关系。一些研究通过使用跳连接技术来使网络直接从一张完整图像中学习不同尺度的特征信息，并使用了加权交叉熵损失函数来解决分类输出类别不平衡的问题，这种方法的缺点是网络鲁棒性较差，超参数的选择需要针对特定任务进行调试，以及网络结构训练难以收敛；二是IVUS图像中只包含分支血管开口信息，缺少分支血管形态信息使得考虑侧支血流的影响变得困难，基于IVUS图像重建的冠状动脉是单管模型，用这种模型进行虚拟FFR分析会因为忽略了分支血管对血流的影响而严重降低准确度。现有的方法需要通过手动重建完整分支血管的三维模型来解决这个问题，这种方法耗时长，难度大，降低了IVUS-FFR的分析效率和临床可行性。
参照图1，示出了本申请一实施例提供的一种基于IVUS图像重建的血流储备分数计算方法；
所述方法包括：
S110、获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置；
S120、依据所述分支开口位置对所述血管中心线进行分段，得到所述血管中心线的若干节段；其中，所述节段包括分支段、正常段和狭窄段；
S130、依据所述节段确定所述目标冠状动脉的血流储备分数。
在本申请的实施例中，针对于现有技术中缺少分支信息使得考虑侧支血流的影响变得困难的缺点，本申请提供了一种基于IVUS图像重建的血流储备分数计算方法，具体为：获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置；依据所述分支开口位置对所述血管中心线进行分段，得到所述血管中心线的若干节段；其中，所述节段包括分支段、正常段和狭窄段；依据所述节段确定所述目标冠状动脉的血流储备分数。通过确定分支开口位置，充分考虑分支对血管内血流的影响，只需分支开口位置即可，无需重建完整的血管模型，并将血管中心线分成若干节段，可以模拟不同节段，以求解血管各处的血流储备分数。
下面，将对本示例性实施例中一种基于IVUS图像重建的血流储备分数计算方法作进一步地说明。
如上述步骤S110所述，获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置。
在本发明一实施例中，可以结合下列描述进一步说明步骤S110所述“获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置”的具体过程。
需要说明的是，目标冠状动脉的三维模型的重建需要首先利用针对图像分割任务改进的生成对抗网络SegAN对IVUS图像进行自动分割，并且在重建过程中仅重建目标冠状动脉单管模型及其侧支血管的开口形状。再从重建的单管冠脉模型提取血管中心线和横截面积，并在中心线上根据IVUS图像中的分支开口位置标记分支节点。
如下列步骤所述，获取样本IVUS图像；
如下列步骤所述，建立生成对抗网络，并依据所述样本IVUS图像训练所述生成对抗网络，使所述生成对抗网络具备图像分割能力；
如下列步骤所述，依据所述生成对抗网络对所述IVUS图像进行分割重建，得到所述目标冠状动脉的单管模型和侧支血管的开口形状；
如下列步骤所述，依据所述单管模型和所述侧支血管的开口形状确定所述目标冠状动脉的血管中心线和分支开口位置。
需要说明的是，本实施例使用一种针对图像分割任务改进的生成对抗网络SegAN，该网络的网络结构如图2所示。SegAN网络可以分为两部分：分割网络(S)和评价网络(C)。分割网络是一个“编码器-解码器”型全卷积网络结构，除此以外，在网络中编码器和解码器的对应层中加入了与U-net网络结构类似的跳连接。评价网络结构与分割网络中的编码器类似，可以通过多层次的卷积层提取不同尺度的特征并计算预测分割结果与真实分割结果的差异。分割网络和评价网络使用同一个多尺度L1损失函数：
其中，N表示训练图像数；xn×S(xn)和xn×yn分别表示被预测分割结果遮罩的原始图像和被真实分割结果遮罩的原始图像；fC(x)表示评价网络的对输入图像x的层次特征提取；lmae表示平均绝对误差，具体定义为：
其中，L表示评价网络的卷积层总层数；表示评价网络第i层提取得到的特征。
从中提取目标冠状动脉的几何信息并重建冠状动脉三维模型，并根据IVUS图像中的分支开口信息重建分支开口形状。在模型构建过程中剪去远端小血管，并对冠状动脉三维模型的主要部分进行光滑。
如上述步骤S120所述，依据所述分支开口位置对所述血管中心线进行分段，得到所述血管中心线的若干节段；其中，所述节段包括分支段、正常段和狭窄段。
在本发明一实施例中，可以结合下列描述进一步说明步骤S120所述“依据所述分支开口位置对所述血管中心线进行分段，得到所述血管中心线的若干节段；其中，所述节段包括分支段、正常段和狭窄段”的具体过程。
如下列步骤所述，依据所述分支开口位置确定分支节点；
如下列步骤所述，依据所述分支节点确定所述血管中心线的分支段；
如下列步骤所述，依据所述分支段确定所述血管中心线的正常段。
还包括：
依据狭窄检测算法确定所述目标冠状动脉的狭窄位置；
依据所述狭窄位置确定所述血管中心线的狭窄段。
需要说明的是，根据重建的冠状动脉三维模型提取中心线模型和中心线上每一点对应的血管横截面积，并在中心线模型上根据IVUS图像中的分支开口位置标记分支节点。将分支节点附近的中心线分段定义为分支段，其他位置的中心线分段定义为正常段。随后利用狭窄检测算法比较目标血管和健康血管相同位置的半径差异，初步确定目标血管的狭窄位置，并将对应位置的中心线分段定义为狭窄段。
如上述步骤S130所述，依据所述节段确定所述目标冠状动脉的血流储备分数。
在本发明一实施例中，可以结合下列描述进一步说明步骤S130所述“依据所述节段确定所述目标冠状动脉的血流储备分数”的具体过程。
如下列步骤所述，依据所述节段确定与所述节段对应的边界条件；
如下列步骤所述，依据所述边界条件确定对应所述节段的压力场；
如下列步骤所述，依据所述压力场确定所述目标冠状动脉各个位置的血流储备分数。
需要说明的是，对提取得到的并已被分割成若干段的中心线模型，分别应用不同的控制方程来计算其中的压力、血流分布。
对正常段，按照以下控制方程来计算：
其中，Q是流量，A是管腔横截面积，P是管腔横截面的平均压强，U＝Q/A是横截面的平均流速，ω是表征一维模型中速度分布的参数。
对于分支段，依据Huo-Kassab’s law考虑血管分支分流对血流量的影响：
按照以上公式估计血管侧支直径和流量的变化，其中，DMov是母体血管，DMB是主要侧枝，DSB是旁侧枝，QMB和QMov分别是主要侧支血管和母体血管的血液流量。
除此之外，还需要利用质量守恒方程和结点模型来计算压力分布：
其中，N是连接的分支数量，注意i＝1代表近端主要血管，i＝2，3分别代表主要分支和次要分支。
对于狭窄段，按照狭窄段两端压力降公式计算：
其中，U和A(D为直径)为血管正常段的血液流速和管腔横截面积，Ls为狭窄段长度，AS为最小狭窄面积，kv、kt和Ky分别为表征粘性、湍流和惯性效应的模型参数。
在本发明一实施例中，可以结合下列描述进一步说明所述“依据所述节段确定与所述节段对应的边界条件”的具体过程。
如下列步骤所述，依据所述节段的入口血压和入口血流量确定入口边界条件；
如下列步骤所述，依据充分发展流确定出口边界条件。
需要说明的是，准确地设置边界条件是准确计算虚拟FFR的重要前提。在IVUS-FFR分析过程中，边界条件设置为每个中心线分段的入口血压以及入口血流速度，出口边界条件统一设置为充分发展流。其中第一段中心线分段的入口边界条件设置为平均主动脉压Pa和充血状态下的入口血流速度。平均主动脉压由造影导管顶端的压力传感器测量；入口血流速度的测量步骤分为两步：1，利用TIMI计帧法测量静息状态下的冠脉入口血流速度；2，按照经验公式将静息血流速度转化为充血状态血流速度。后续中心线分段的入口边界条件需要根据前一段中心线分段的计算结果设置，按顺序计算各个中心线分段的压力、血流分布，即可计算血管内各处的FFR值。
在本发明一实施例中，可以结合下列描述进一步说明所述“依据所述压力场确定所述目标冠状动脉各个位置的血流储备分数”的具体过程。
如下列步骤所述，依据所述压力场确定所述目标冠状动脉的压力分布；
如下列步骤所述，依据所述压力分布确定所述目标冠状动脉的血流储备分数。
在一具体实现中，参照图3，为一个基于生成对抗网络和分叉分型定律的IVUS-FFR分析案例，图中包括冠状动脉造影图像和IVUS-FFR计算结果。图中箭头所指位置代表侵入性导丝测量位置。案例中的有创测量结果分别为0.96，IVUS-FFR计算结果分别为0.95。通过本发明提出的方法计算得到的FFR值和现有有创检测获得的FFR值非常接近。
对于装置实施例而言，由于其与方法实施例基本相似，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。
参照图4，示出了本申请一实施例提供的一种基于IVUS图像重建的血流储备分数的计算装置；
具体包括：
获取模块410，用于获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置；
分段模块420，用于依据所述分支开口位置对所述血管中心线进行分段，得到所述血管中心线的若干节段；其中，所述节段包括分支段、正常段和狭窄段；
计算模块430，用于依据所述节段确定所述目标冠状动脉的血流储备分数。
在本发明一实施例中，获取模块410，包括：
样本获取子模块，用于获取样本IVUS图像；
训练子模块，用于建立生成对抗网络，并依据所述样本IVUS图像训练所述生成对抗网络，使所述生成对抗网络具备图像分割能力；
重建子模块，用于依据所述生成对抗网络对所述IVUS图像进行分割重建，得到所述目标冠状动脉的单管模型和侧支血管的开口形状；
中心线确定子模块，用于依据所述单管模型和所述侧支血管的开口形状确定所述目标冠状动脉的血管中心线和分支开口位置。
在本发明一实施例中，分段模块420，包括：
分支节点确定子模块，用于依据所述分支开口位置确定分支节点；
分支段子模块，用于依据所述分支节点确定所述血管中心线的分支段；
正常段子模块，用于依据所述分支段确定所述血管中心线的正常段。
在本发明一实施例中，还包括：
狭窄位置子模块，用于依据狭窄检测算法确定所述目标冠状动脉的狭窄位置；
狭窄段子模块，用于依据所述狭窄位置确定所述血管中心线的狭窄段。
在本发明一实施例中，计算模块430，包括：
边界条件子模块，用于依据所述节段确定与所述节段对应的边界条件；
压力场子模块，用于依据所述边界条件确定对应所述节段的压力场；
血流储备分数确定子模块，用于依据所述压力场确定所述目标冠状动脉各个位置的血流储备分数。
在本发明一实施例中，所述边界条件子模块，包括：
入口边界条件子模块，用于依据所述节段的入口血压和入口血流量确定入口边界条件；
出口边界条件子模块，用于依据充分发展流确定出口边界条件。
在本发明一实施例中，血流储备分数确定子模块，包括：
压力分布子模块，用于依据所述压力场确定所述目标冠状动脉的压力分布；
血流储备分数计算子模块，用于依据所述压力分布确定所述目标冠状动脉的血流储备分数。
参照图5，示出了本发明的一种基于IVUS图像重建的血流储备分数计算方法的计算机设备，具体可以包括如下：
上述计算机设备12以通用计算设备的形式表现，计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线18结构中的一种或多种，包括存储器总线18或者存储器控制器，外围总线18，图形加速端口，处理器或者使用多种总线18结构中的任意总线18结构的局域总线18。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线18，微通道体系结构(MAC)总线18，增强型ISA总线18、音视频电子标准协会(VESA)局域总线18以及外围组件互连(PCI)总线18。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其他移动/不可移动的、易失性/非易失性计算机体统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其他光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质界面与总线18相连。存储器可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块42，这些程序模块42被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其他程序模块42以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24、摄像头等)通信，还可与一个或者多个使得医护人员能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)界面22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN))，广域网(WAN)和/或公共网络(例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其他模块通信。应当明白，尽管图3中未示出，可以结合计算机设备12使用其他硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元16、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统34等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种基于IVUS图像重建的血流储备分数计算方法。
也即，上述处理单元16执行上述程序时实现：获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置；依据所述分支开口位置对所述血管中心线的进行分段，得到所述血管中心线的若干节段；其中，所述节段包括分支段、正常段和狭窄段；依据所述节段确定所述目标冠状动脉的血流储备分数。
在本发明实施例中，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有实施例提供的一种基于IVUS图像重建的血流储备分数计算方法：
也即，给程序被处理器执行时实现：获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置；依据所述分支开口位置对所述血管中心线的进行分段，得到所述血管中心线的若干节段；其中，所述节段包括分支段、正常段和狭窄段；依据所述节段确定所述目标冠状动脉的血流储备分数。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机克顿信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPOM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言——诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在医护人员计算机上执行、部分地在医护人员计算机上执行、作为一个独立的软件包执行、部分在医护人员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者服务器上执行。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)——连接到医护人员计算机，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)。本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者终端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、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种基于IVUS图像重建的血流储备分数计算方法及装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于IVUS图像重建的血流储备分数计算方法，其特征在于，包括：
获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置；
依据所述分支开口位置对所述血管中心线进行分段，得到所述血管中心线的若干节段；其中，所述节段包括分支段、正常段和狭窄段；
依据所述节段确定所述目标冠状动脉的血流储备分数。
2.根据权利要求1所述的计算方法，其特征在于，所述获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置的步骤，包括：
获取样本IVUS图像；
建立生成对抗网络，并依据所述样本IVUS图像训练所述生成对抗网络，使所述生成对抗网络具备图像分割能力；
依据所述生成对抗网络对所述IVUS图像进行分割重建，得到所述目标冠状动脉的单管模型和侧支血管的开口形状；
依据所述单管模型和所述侧支血管的开口形状确定所述目标冠状动脉的血管中心线和分支开口位置。
3.根据权利要求1所述的计算方法，其特征在于，依据所述分支开口位置对所述血管中心线进行分段，得到所述血管中心线的节段；其中，所述节段包括分支段、正常段和狭窄段的步骤，包括：
依据所述分支开口位置确定分支节点；
依据所述分支节点确定所述血管中心线的分支段；
依据所述分支段确定所述血管中心线的正常段。
4.根据权利要求3所述的计算方法，其特征在于，还包括：
依据狭窄检测算法确定所述目标冠状动脉的狭窄位置；
依据所述狭窄位置确定所述血管中心线的狭窄段。
5.根据权利要求1所述的方法，其特征在于，所述依据所述节段确定所述目标冠状动脉的血流储备分数的步骤，包括：
依据所述节段确定与所述节段对应的边界条件；
依据所述边界条件确定对应所述节段的压力场；
依据所述压力场确定所述目标冠状动脉各个位置的血流储备分数。
6.根据权利要求5所述的方法，其特征在于，所述依据所述节段确定与所述节段对应的边界条件的步骤，包括：
依据所述节段的入口血压和入口血流量确定入口边界条件；
依据充分发展流确定出口边界条件。
7.根据权利要求5所述的方法，其特征在于，所述依据所述压力场确定所述目标冠状动脉各个位置的血流储备分数的步骤，包括：
依据所述压力场确定所述目标冠状动脉的压力分布；
依据所述压力分布确定所述目标冠状动脉的血流储备分数。
8.一种基于IVUS图像重建的血流储备分数的计算装置，其特征在于，所述基于IVUS图像重建的血流储备分数的计算装置实现如权利要求1至7中任一项所述的基于IVUS图像重建的血流储备分数的计算方法的步骤，包括：
获取模块，用于获取目标冠状动脉的IVUS图像，并依据所述IVUS图像确定所述目标冠状动脉的血管中心线和分支开口位置；
分段模块，用于依据所述分支开口位置对所述血管中心线进行分段，得到所述血管中心线的若干节段；其中，所述节段包括分支段、正常段和狭窄段；
计算模块，用于依据所述节段确定所述目标冠状动脉的血流储备分数。
9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并能够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1-7中任一项所述的基于IVUS图像重建的血流储备分数的计算方法的步骤。
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7中任一项所述的基于IVUS图像重建的血流储备分数的计算方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410133306.8A CN118196002A (zh) | 2024-01-30 | 2024-01-30 | 基于ivus图像重建的血流储备分数计算方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410133306.8A CN118196002A (zh) | 2024-01-30 | 2024-01-30 | 基于ivus图像重建的血流储备分数计算方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118196002A true CN118196002A (zh) | 2024-06-14 |
Family
ID=91391846
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410133306.8A Pending CN118196002A (zh) | 2024-01-30 | 2024-01-30 | 基于ivus图像重建的血流储备分数计算方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118196002A (zh) |
-
2024
- 2024-01-30 CN CN202410133306.8A patent/CN118196002A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230360803A1 (en) | Methods and systems for predicting sensitivity of blood flow calculations to changes in anatomical geometry | |
| CN111476757B (zh) | 一种冠脉斑块数据检测方法、系统、存储介质、终端 | |
| US11357573B2 (en) | Optimum treatment planning during coronary intervention by simultaneous simulation of a continuum of outcomes | |
| US11389130B2 (en) | System and methods for fast computation of computed tomography based fractional flow reserve | |
| CN110889896A (zh) | 获取血管狭窄病变区间及三维合成方法、装置和系统 | |
| CN112465834B (zh) | 一种血管分割方法及装置 | |
| CN112446866B (zh) | 血流参数的计算方法、装置、设备及存储介质 | |
| CN111815598B (zh) | 一种血管参数的计算方法、装置、设备及存储介质 | |
| CN112116615B (zh) | 根据血管中心线获取血管轮廓线的方法和装置 | |
| CN112749521A (zh) | 血流动力学指标数据的处理方法和系统 | |
| CN110786842B (zh) | 测量舒张期血流速度的方法、装置、系统及存储介质 | |
| CN109524119B (zh) | 基于gan血流储备分数预测方法、装置、设备及介质 | |
| CN111640124B (zh) | 一种血管提取方法、装置、设备及存储介质 | |
| EP3564963A1 (en) | System and methods for fast computation of computed tomography based fractional flow reserve | |
| CN111340794B (zh) | 冠状动脉狭窄的量化方法及装置 | |
| CN116013533A (zh) | 冠脉的血流动力学评估模型的训练方法、评估方法及系统 | |
| CN109949300B (zh) | 解剖树结构分析的方法、系统和计算机可读介质 | |
| Shibutani et al. | Automated classification of coronary atherosclerotic plaque in optical frequency domain imaging based on deep learning | |
| CN116486211A (zh) | 一种模型训练方法、血流储备分数计算方法、装置及设备 | |
| CN114757944B (zh) | 一种血管图像的分析方法、装置及存储介质 | |
| CN113995388B (zh) | 血流储备分数计算方法、装置、电子设备及可读存储介质 | |
| CN116269293A (zh) | 冠状动脉的血流储备分数计算方法及其装置、电子设备 | |
| CN118196002A (zh) | 基于ivus图像重建的血流储备分数计算方法及装置 | |
| CN111297388B (zh) | 一种血流储备分数测量装置 | |
| CN112419308B (zh) | 斑块评估方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |