CN113539516B - 治疗方案的应用后效果的获取方法及装置 - Google Patents
治疗方案的应用后效果的获取方法及装置 Download PDFInfo
- Publication number
- CN113539516B CN113539516B CN202110769369.9A CN202110769369A CN113539516B CN 113539516 B CN113539516 B CN 113539516B CN 202110769369 A CN202110769369 A CN 202110769369A CN 113539516 B CN113539516 B CN 113539516B
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- target
- vessel
- circuit
- target blood
- 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
- 238000011282 treatment Methods 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000000694 effects Effects 0.000 title claims abstract description 38
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 310
- 230000035790 physiological processes and functions Effects 0.000 claims abstract description 78
- 238000011269 treatment regimen Methods 0.000 claims abstract description 62
- 230000017531 blood circulation Effects 0.000 claims description 48
- 210000004351 coronary vessel Anatomy 0.000 claims description 44
- 230000002107 myocardial effect Effects 0.000 claims description 37
- 238000010801 machine learning Methods 0.000 claims description 36
- 230000009471 action Effects 0.000 claims description 33
- 230000003902 lesion Effects 0.000 claims description 27
- 230000036772 blood pressure Effects 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 15
- 238000004088 simulation Methods 0.000 claims description 13
- 210000000709 aorta Anatomy 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 11
- 230000001225 therapeutic effect Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 238000011285 therapeutic regimen Methods 0.000 claims 2
- 230000002792 vascular Effects 0.000 abstract description 24
- 230000007721 medicinal effect Effects 0.000 abstract description 9
- 230000011218 segmentation Effects 0.000 description 20
- 238000012545 processing Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 9
- 239000002872 contrast media Substances 0.000 description 9
- 238000013146 percutaneous coronary intervention Methods 0.000 description 7
- 230000002308 calcification Effects 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 230000010339 dilation Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000002203 pretreatment Methods 0.000 description 3
- 206010057469 Vascular stenosis Diseases 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013434 data augmentation Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000002513 implantation Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 210000005259 peripheral blood Anatomy 0.000 description 2
- 239000011886 peripheral blood Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- 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
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Bioethics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供了一种治疗方案的应用后效果的获取方法及装置,所述方法包括:获取目标血管的原始医学影像,并从所述目标血管的原始医学影像中提取出所述目标血管的几何信息;基于所述目标血管的几何信息,将所述目标血管模拟为对应的电路***;获取针对所述目标血管所设计的治疗方案,并基于所述治疗方案修改所述目标血管对应的电路***,得到所述目标血管对应的修改后电路***;基于所述修改后电路***,获取所述目标血管在应用所述治疗方案后的生理状态。本申请实施例能够快速地为血管治疗相关的医疗活动提供高参考价值的支持。
Description
技术领域
本申请涉及智慧医疗领域,具体涉及一种治疗方案的应用后效果的获取方法及装置。
背景技术
在医疗领域中,对患者提出相应的治疗方案并实施,以改善患者的健康状态是医疗活动的一个根本目的。
现有技术中,治疗方案在提出后,治疗方案在应用后实际能取得的治疗效果总是依赖于医护人员的个人水平以及个人经验进行预测。这种情况难以保证治疗效果总是能够被准确预测,从而导致难以在整个医疗领域中维持高医疗水平以及高医疗效率。
发明内容
本申请的一个目的在于提出一种治疗方案的应用后效果的获取方法及装置,能够快速地为血管治疗相关的医疗活动提供高参考价值的支持。
根据本申请实施例的一方面,公开了一种治疗方案的应用后效果的获取方法,所述方法包括:
获取目标血管的原始医学影像,并从所述目标血管的原始医学影像中提取出所述目标血管的几何信息;
基于所述目标血管的几何信息,将所述目标血管模拟为对应的电路***;
获取针对所述目标血管所设计的治疗方案,并基于所述治疗方案修改所述目标血管对应的电路***,得到所述目标血管对应的修改后电路***;
基于所述修改后电路***,获取所述目标血管在应用所述治疗方案后的生理状态。
根据本申请实施例的一方面,公开了一种治疗方案的应用后效果的获取装置,所述装置包括:
提取模块,配置为获取目标血管的原始医学影像,并从所述目标血管的原始医学影像中提取出所述目标血管的几何信息;
模拟模块,配置为基于所述目标血管的几何信息,将所述目标血管模拟为对应的电路***;
修改模块,配置为获取针对所述目标血管所设计的治疗方案,并基于所述治疗方案修改所述目标血管对应的电路***,得到所述目标血管对应的修改后电路***;
生理状态获取模块,配置为基于所述修改后电路***,获取所述目标血管在应用所述治疗方案后的生理状态。
在本申请的一示例性实施例中,所述装置配置为:
定位所述治疗方案在所述目标血管中的作用区域;
基于所述治疗方案,修改所述目标血管对应的电路***中对应所述作用区域的电路元件的电路参数,得到所述修改后电路***。
在本申请的一示例性实施例中,所述装置配置为:
基于所述治疗方案在所述作用区域中所植入支架的尺寸,修改对应所述作用区域的电路元件的电路参数;
或者,基于所述治疗方案在所述作用区域中所植入支架的材料,修改对应所述作用区域的电路元件的电路参数。
在本申请的一示例性实施例中,所述装置配置为:
对所述修改后电路***进行求解,得到所述修改后电路***中各电路元件的电路参数;
将所述修改后电路***中各电路元件的电路参数转换为对应的生理参数,得到所述目标血管在应用所述治疗方案后的生理状态。
在本申请的一示例性实施例中,所述装置配置为:
获取样本血管的原始医学影像,并从所述样本血管的原始医学影像中提取出所述样本血管的几何信息;
基于所述样本血管的几何信息,将所述样本血管模拟为对应的电路***;
以所述样本血管对应的电路***为输入,并以所述样本血管的生理状态为目标输出,训练得到用于预测血管的生理状态的机器学习模型;
将所述修改后电路***输入所述机器学习模型,得到所述机器学习模型预测的所述目标血管在应用所述治疗方案后的生理状态。
在本申请的一示例性实施例中,所述装置配置为:
基于用于描述所述目标血管的形状特征的几何信息,将所述目标血管所包含的血管段分别模拟为一个电路元件,并按照所述目标血管的血流方向连接所述电路元件,得到所述电路元件连接而成的拓扑结构;
基于用于描述所述目标血管的空间特征的几何信息,设置所述电路元件的电路参数;
基于所述电路元件连接而成的拓扑结构以及所述电路元件的电路参数,模拟得到所述目标血管对应的电路***。
在本申请的一示例性实施例中,所述装置配置为:
基于用于描述所述目标血管的空间特征的几何信息,计算所述血管段的血流量;
将所述血管段的血流量转换为对应电路元件的电流值。
在本申请的一示例性实施例中,所述装置配置为:
基于用于描述所述目标血管的形状特征的几何信息,将所述目标血管所包含的血管段分别模拟为一个电路元件,并按照所述目标血管的血流方向连接所述电路元件,得到所述电路元件连接而成的拓扑结构;
从所述目标血管的原始医学影像中,提取出用于描述所述目标血管所在心肌组织的空间特征的几何信息;
基于用于描述所述心肌组织的空间特征的几何信息,设置所述电路元件的电流值;
基于得到所述电路元件连接而成的拓扑结构以及所述电路元件的电流值,模拟得到所述目标血管对应的电路***。
在本申请的一示例性实施例中,所述装置配置为:
基于用于描述所述心肌组织的空间特征的几何信息,计算所述心肌组织的体积或所述心肌组织所对应心室的体积;
将所述心肌组织的体积或所述心肌组织所对应心室的体积转换为对应电路元件的电流值。
在本申请的一示例性实施例中,所述装置配置为:
从所述目标血管的原始医学影像中提取出所述目标血管的病变信息;
基于用于描述所述目标血管的形状特征的几何信息,将所述目标血管所包含的血管段分别模拟为一个电路元件,并按照所述目标血管的血流方向连接所述电路元件,得到所述电路元件连接而成的拓扑结构;
基于所述目标血管的病变信息,设置所述电路元件的电路参数;
基于所述电路元件连接而成的拓扑结构以及所述电路元件的电路参数,模拟得到所述目标血管对应的电路***。
在本申请的一示例性实施例中,所述装置配置为:
获取所述目标血管所连接的主动脉的血压值;
基于所述主动脉的血压值计算所述血管段的血压值,并将所述血管段的血压值转换为对应电路元件的电压值。
在本申请的一示例性实施例中,所述装置配置为:
计算所述治疗方案的成本;
基于所述目标血管在应用所述治疗方案后的生理状态,预估所述治疗方案的治疗成效;
基于所述治疗方案的成本以及所述治疗方案的治疗成效,对所述治疗方案进行评估。
在本申请的一示例性实施例中,所述装置配置为:
将所述治疗方案以及所述目标血管在应用所述治疗方案后的生理状态进行可视化展示。
根据本申请实施例的一方面,公开了一种电子设备,包括:存储器,存储有计算机可读指令;处理器,读取存储器存储的计算机可读指令,以执行以上权利要求中的任一个所述的方法。
根据本申请实施例的一方面,公开了一种计算机程序介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行以上权利要求中的任一个所述的方法。
根据本申请实施例的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的方法。
本申请实施例中,通过将信息维度繁多的目标血管模拟为信息维度稀少的电路***,再对电路***进行修改得到修改后电路***,再基于修改后电路***获取目标血管在应用治疗方案后的生理状态,提高了模拟治疗方案的效率,能够更快速地获取到治疗方案的应用后效果,从而能够快速地为血管治疗相关的医疗活动提供高参考价值的支持。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本申请。
附图说明
通过参考附图详细描述其示例实施例,本申请的上述和其它目标、特征及优点将变得更加显而易见。
图1示出了根据本申请一个实施例的治疗方案的应用后效果的获取方法流程图。
图2示出了根据本申请一个实施例的目标血管对应的电路***示意图。
图3示出了根据本申请一个实施例的用于预测生理状态的机器学习模型的训练示意图。
图4示出了根据本申请一个实施例的可视化处理结果的示意图。
图5示出了根据本申请一个实施例的治疗方案的应用后效果的获取在实践操作过程中的简要示意图。
图6示出了根据本申请一个实施例的治疗方案的应用后效果的获取在实践操作过程中的详细示意图。
图7示出了根据本申请一个实施例的治疗方案的应用后效果的获取装置框图。
图8示出了根据本申请一个实施例的电子设备的硬件图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些示例实施方式使得本申请的描述将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本申请的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中,提供许多具体细节从而给出对本申请的示例实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、步骤等。在其它情况下,不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本申请的各方面变得模糊。
附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本申请提供了一种治疗方案的应用后效果的获取方法,主要应用于医疗领域中,获取目标血管在应用治疗方案后的生理状态。从而可以在此基础上为针对目标血管的医疗活动提供支持。
在详细描述本申请实施例的具体实施过程之前,首先对本申请涉及的部分概念进行简要解释。
目标血管,指的是被选作医疗活动的对象的血管。可以为患者的心脏冠脉,也可以为患者的脑血管,也可以为患者的外周血管。
医学影像,指的是在医疗领域中所取得的影像。医学影像通常以DICOM(DigitalImaging and Communications in Medicine,医学数字成像和通信)文件的形式存在。常见的医学影像包括但不限于:CT(Computed Tomography,电子计算机断层扫描)影像,NMRI(Nuclear Magnetic Resonance Imaging,核磁共振成像)影像。
目标血管的生理状态,指的是目标血管在生理层面所处的状态。例如:血管狭窄率的状态,血流量的状态,血压的状态等。
治疗方案,指的是目的在于改善目标血管的生理状态的方案。例如:在冠脉的左前降支LAD出现血流量异常偏低的情况。针对该LAD的治疗方案,其目的可以在于提高该LAD的血流量。
需要说明的是,本申请实施例中的治疗方案,主要是指以手术方式对目标血管进行介入,从物理属性上一定程度改变目标血管的生理状态的治疗方案。例如:支架植入术、球囊扩张术(也称球囊成形术)、血管搭桥术(也称血管旁路移植术)、血管旋磨术等。
图1示出了本申请一实施例的治疗方案的应用后效果的获取方法流程图。该方法包括:
步骤S110、获取目标血管的原始医学影像,并从目标血管的原始医学影像中提取出目标血管的几何信息;
步骤S120、基于目标血管的几何信息,将目标血管模拟为对应的电路***;
步骤S130、获取针对目标血管所设计的治疗方案,并基于治疗方案修改目标血管对应的电路***,得到目标血管对应的修改后电路***;
步骤S140、基于修改后电路***,获取目标血管在应用治疗方案后的生理状态。
本申请实施例中,获取到目标血管的原始医学影像后,从该目标血管的原始医学影像中提取出目标血管的几何信息。其中,目标血管的几何信息主要用于描述目标血管的形状特征以及空间特征。
可以理解的,血管的主要作用在于运输血流,而电路***的主要作用在于运输电流。血流的运输可以类比为电流的运输,因此,可以将目标血管模拟为对应的电路***,再由该电路***运输电流的表现来模拟目标血管运输血流的表现。该电路***可以视为目标血管在电路空间中的映射。
获取针对该目标血管所设计的治疗方案,进而基于该治疗方案修改该电路***,得到目标血管对应的修改后电路***。由于相比于信息维度繁多的血管,电路***的信息维度更为稀少,因此直接处理电路***相关信息的效率远远高于直接处理血管相关信息的效率。
该修改后电路***可以视为应用治疗方案后的目标血管在电路空间中的映射。在该映射关系的支持下,即可基于修改后电路***,获取目标血管在应用治疗方案后的生理状态,即,治疗方案的应用后效果。
由此可见,本申请实施例中,通过将信息维度繁多的目标血管模拟为信息维度稀少的电路***,再对电路***进行修改得到修改后电路***,再基于修改后电路***获取目标血管在应用治疗方案后的生理状态,提高了模拟治疗方案的效率,能够更快速地获取到治疗方案的应用后效果,从而能够快速地为血管治疗相关的医疗活动提供高参考价值的支持。
下面对本申请实施例中提取目标血管的几何信息的实施过程进行详细描述。
在一实施例中,对原始医学影像进行区域分割,得到感兴趣区域的影像。进而从感兴趣区域的影像中提取出目标血管的几何信息。
具体的,由于目标血管的原始医学影像除了包含有该目标血管外,通常还包含有该目标血管周围的其他功能组织。因此,通过区域分割,可定位目标血管所在的更为精准的感兴趣区域。例如:作为医疗活动对象的目标血管为冠脉。通过造影剂造影所得到的冠脉的原始医学影像,除了包含有冠脉,还包含有冠脉周围的心肌、心室、心房。通过区域分割,精准定位冠脉所在的感兴趣区域。进而从该感兴趣区域中提取出冠脉的几何信息。
在一实施例中,采用基于阈值的分割算法,对原始医学影像进行区域分割。
具体的,根据原始医学影像的图像强度,选取出与作为医疗活动对象的目标血管相匹配的图像强度阈值区间。进而根据所选取的图像强度阈值区间,将原始医学影像分割为前景和背景。所分割出的前景即为感兴趣区域。
在一实施例中,采用基于滤波的分割算法,对原始医学影像进行区域分割。
具体的,使用预设的滤波器对原始医学影像进行滤波处理,进而在经过滤波处理过的图像上通过曲线拟合定位感兴趣区域的边界。进而基于感兴趣区域的边界,将原始医学影像分割为前景和背景。所分割出的前景即为感兴趣区域。其中,所使用的滤波器包括但不限于:中值滤波器、均值滤波器、双边滤波器、Frangi滤波器、高斯滤波器、拉普拉斯滤波器、Sobel滤波器等。
在一实施例中,采用基于机器学习方法的分割算法,对原始医学影像进行区域分割。
具体的,该实施例中的机器学习方法主要分为两类:一类是诸如随机森林法、贝叶斯法、多层感知机、支持向量机等传统的机器学习方法,另一类是诸如CNN、RNN、Transformer等深度学习方法。
对采用机器学习方法以执行区域分割任务的分割模型进行训练,得到训练完成的分割模型后,采用该分割模型对原始医学影像进行区域分割。
在一实施例中,对训练分割模型所使用的从影像数据中提取出的特征数据进行数据批标准化(Batch Normalization)。
具体的,对训练所使用的特征数据进行数据处理,使其灰度值符合均值为0、方差为1的正态分布。
该实施例的优点在于,通过数据批标准化处理,合理地调整了特征数据的分布,从而提高了机器学习模型的预测准确度以及鲁棒性。
在一实施例中,对训练分割模型所使用的原始医学影像进行数据扩增(dataaugmentation)。
具体的,对训练所使用的原始医学影像,进行诸如平移、旋转、镜像、亮度变化、增加噪声以及缩放等处理,从而实现对原始医学影像的扩增。
该实施例的优点在于,通过数据扩增处理,增加了机器学习模型训练的样本量,从而提高了机器学习模型训练的预测准确度以及鲁棒性。
在一实施例中,该分割模型为采用深度学习方法的深度神经网络。
该实施例中,预先在用于训练该分割模型的原始医学影像中标注出感兴趣区域。进而将这些原始医学影像输入该分割模型,由该分割模型在这些原始医学影像中预测出感兴趣区域。进而将所预测感兴趣区域与所标注感兴趣区域之间的误差反馈至该分割模型,更新该分割模型的神经网络参数,使得该分割模型朝着误差减小的方向演进。从而得到训练完成的能够精准分割出感兴趣区域的分割模型。
在一实施例中,将分割出的感兴趣区域直接作为目标血管的几何信息。
在一实施例中,对分割出的感兴趣区域中的连通域进行平滑处理,进而在所得到平滑连通域的基础上提取出目标血管的几何信息。
在一实施例中,在分割出的感兴趣区域中,生成目标血管的中心线以及轮廓。进而基于所生成的中心线以及轮廓,对该感兴趣区域进行插值处理,技术得到诸如体积、直径、长度、分叉位置、分叉角度等目标血管的几何信息。
具体的,生成中心线所采用方法包括但不限于:最小代价路径(minimal costpath)方法、区域增长(region growth)方法、骨架化(skeleton)方法、基于人工智能的方法等。
生成轮廓所采用方法包括但不限于:滤波法、梯度法、基于人工智能的方法等。
该实施例的优点在于,通过生成中心线以及轮廓,使得在此基础上所提取得到的几何信息更为丰富精细,从而提高了机器学习模型的预测准确度。
下面对本申请实施例中将目标血管模拟为对应的电路***的实施过程进行详细描述。
本申请实施例中,提取得到目标血管的几何信息后,将该几何信息用于模拟得到对应的电路***。具体的,本申请实施例中,目标血管的几何信息主要用于描述两类特征:目标血管的形状特征,以及目标血管的空间特征。其中,目标血管的形状特征主要用于得到电路***中电路元件连接而成的拓扑结构,目标血管的空间特征主要用于得到电路***中电路元件的电路参数。
需要说明的是,本申请实施例中,电路参数不仅可以基于目标血管的空间特征得到,还可以基于目标血管的病变信息得到,还可以基于目标血管所在功能组织的空间特征得到等。
在一实施例中,基于用于描述目标血管的形状特征的几何信息,将目标血管所包含的血管段分别模拟为一个电路元件,并按照目标血管的血流方向连接电路元件,得到电路元件连接而成的拓扑结构。基于用于描述目标血管的空间特征的几何信息,设置电路元件的电路参数。基于电路元件连接而成的拓扑结构以及电路元件的电路参数,模拟得到目标血管对应的电路***。
具体的,根据目标血管的形状特征,可以将目标血管分割为多个血管段,进而将各个血管段分别模拟为一个电路元件。其中,各个血管段可以为一个无分叉的血管段,也可以为一个存在分叉的血管段。
进而按照目标血管的血流方向连接模拟得到的电路元件,从而得到电路元件连接而成的拓扑结构。
进而可以基于目标血管的空间特征,确定各个电路元件所对应血管段的空间特征。再基于血管段的空间特征设置对应电路元件的电路参数,结合电路元件连接而成的拓扑结构,即可模拟得到对应的电路***。
在一实施例中,模拟得到的电路元件包括但不限于:电阻器、电容器、电感器等。
在一实施例中,基于目标血管的空间特征设置的电路参数包括但不限于:电流值、电阻值、电压值、电容值、电感值、电抗值等。
在一实施例中,基于目标血管的空间特征设置电路元件的电流值。
该实施例中,基于用于描述目标血管的空间特征的几何信息,计算血管段的血流量。将血管段的血流量转换为对应电路元件的电流值。
具体的,基于目标血管的空间特征,可以得到血管段的长度信息以及直径信息,进而通过长度信息以及直径信息计算得到血管段的体积,进而基于血管段的体积转换为血管段的血流量。进而按照预设的血流量与电流值之间的映射关系,将血管段的血流量转换为对应电路元件的电流值。
在一实施例中,基于目标血管的空间特征设置电路元件的电阻值。
该实施例中,基于用于描述目标血管的空间特征的几何信息,计算血管段的直径。将血管段的直径转换为对应电路元件的电阻值。
可以理解的,血管的直径大小会影响运输血流的通畅程度。直径越大的血管运输血流越通畅,血管的阻力更小。因此,可以将目标血管的直径转换为电路元件的电阻值。
具体的,基于目标血管的空间特征,可以得到各血管段的直径信息。进而按照预设的直径与电阻值之间的映射关系,将血管段的直径转换为对应电路元件的电阻值。
在一实施例中,仍旧使用目标血管的形状特征得到电路元件连接而成的拓扑结构,并且还使用目标血管的病变信息得到电路元件的电路参数。
该实施例中,从目标血管的原始医学影像中提取出目标血管的病变信息。基于用于描述目标血管的形状特征的几何信息,将目标血管所包含的血管段分别模拟为一个电路元件,并按照目标血管的血流方向连接电路元件,得到电路元件连接而成的拓扑结构。基于目标血管的病变信息,设置电路元件的电路参数。基于电路元件连接而成的拓扑结构以及电路元件的电路参数,模拟得到目标血管对应的电路***。
具体的,目标血管的病变信息主要用于描述目标血管所发生病变的特征。基于目标血管的病变信息,确定各个电路元件所对应血管段的病变信息。再基于血管段的病变信息设置对应电路元件的电路参数,结合电路元件连接而成的拓扑结构,即可模拟得到对应的电路***。
在一实施例中,目标血管的病变信息包括但不限于:狭窄率信息、病变类型信息、病变区域信息、病变尺寸信息、病变纹理信息、造影剂浓度信息、钙化分数等。
需要说明的是,该实施例所展示的病变信息只是示例性的,并不代表本申请只适用于该实施例所展示的病变信息。该实施例不应对本申请的功能和使用范围造成限制。
在一实施例中,基于目标血管的病变信息中的造影剂浓度信息设置电路元件的电流值。
该实施例中,基于目标血管的造影剂浓度信息,模拟得到用于描述血管段中造影剂浓度的浓度曲线。基于浓度曲线的斜率,计算对应血管段的血流量。将血管段的血流量转换为对应电路元件的电流值。
具体的,向目标血管中注入造影剂后,造影剂混在血流中被目标血管运输,因此造影剂浓度的大小受到血流量的影响。得到目标血管的造影剂浓度信息后,在此基础上模拟得到对应的浓度曲线。计算得到该浓度曲线的斜率,进而根据斜率计算得到各个电路元件所对应血管段的血流量。进而按照预设的血流量与电流值之间的映射关系,将血管段的血流量转换为对应电路元件的电流值。
在一实施例中,基于目标血管的病变信息中的钙化分数设置电路元件的电容值。
可以理解的,由于钙化分数主要用于描述血管的钙化情况,血管的钙化会增大血管的硬度。而血管的软硬决定了血管在受到压力时的弹性,因此血管的软硬可以转换为电路元件的电容值。因此,可以基于目标血管的病变信息中的钙化分数设置电路元件的电容值。
在一实施例中,目标血管为冠脉。仍旧使用目标血管的形状特征得到电路元件连接而成的拓扑结构,并且还使用目标血管在心肌组织的空间特征得到电路元件的电流值。
该实施例中,基于用于描述目标血管的形状特征的几何信息,将目标血管所包含的血管段分别模拟为一个电路元件,并按照目标血管的血流方向连接电路元件,得到电路元件连接而成的拓扑结构。从目标血管的原始医学影像中,提取出用于描述目标血管所在心肌组织的空间特征的几何信息。基于用于描述心肌组织的空间特征的几何信息,设置电路元件的电流值。基于得到电路元件连接而成的拓扑结构以及电路元件的电流值,模拟得到目标血管对应的电路***。
具体的,目标血管的原始医学影像中除了包含目标血管外,还包含有目标血管所在的功能组织。当该目标血管为冠脉时,该目标血管所在的功能组织为心肌组织。由于冠脉的血流量直接受到心肌组织的作用,因此可以基于心肌组织的空间特征,确定各个电路元件的电流值,结合电路元件连接而成的拓扑结构,即可模拟得到对应的电路***。
在一实施例中,基于用于描述心肌组织的空间特征的几何信息,计算心肌组织的体积或心肌组织所对应心室的体积。将心肌组织的体积或心肌组织所对应心室的体积转换为对应电路元件的电流值。
具体的,冠脉的血流量直接受到心肌组织的作用,并且冠脉的血流量大小与心肌组织的体积或者心室的体积存在直接关联。因此通过心肌组织的体积或者心肌组织所对应心室的体积,可以估算出冠脉的血流量,进而可以将冠脉的血流量转换为对应电路元件的电流值。
在一实施例中,仍旧使用目标血管的形状特征得到电路元件连接而成的拓扑结构,并且还使用主动脉的血压值得到电路元件的电压值。
该实施例中,获取目标血管所连接的主动脉的血压值。基于主动脉的血压值计算血管段的血压值,并将血管段的血压值转换为对应电路元件的电压值。
具体的,血液从心脏出发,被运输至身体的各处末梢血管。主动脉处的血压值一般最高,末梢血管处的血压值近乎为0。按照血流方向,从主动脉到末梢血管的血压值持续下降。因此可以基于主动脉的血压值,结合目标血管中各处末梢血管为0的血压值,计算得到各个电路元件所对应血管段的血压值,进而将血管段的血压值转换为对应电路元件的电压值,结合电路元件连接而成的拓扑结构,即可模拟得到对应的电路***。
图2示出了本申请一实施例的目标血管对应的电路***示意图。
该实施例中,目标血管为冠脉。提取得到该目标血管的几何信息后,根据用于描述该冠脉的形状特征的几何信息将该冠脉分割为多个血管段,将每个血管段模拟为一个电阻器,并按照冠脉中的血流方向连接电阻器,得到如图所示的拓扑结构。
再设置各个电阻器的电路参数,从而得到如图所示的电路***。其中,按照冠脉中的血流方向,将最末端的电阻器接地。
需要说明的是,该实施例只是示例性的说明。本申请实施例中,电路***中的电路元件不限于电阻器,还包含电容器、电感器等其他电路元件。
在一实施例中,基于人工智能为目标血管自动设计治疗方案。
在一实施例中,治疗方案为人工针对该目标血管所设计的。
该实施例中,响应于终端界面触发的针对治疗方案的设计操作,获取该治疗方案。
具体的,在终端界面向用户提供操作接口,使得用户可以通过该操作接口于终端界面对治疗方案进行设计操作。进而响应于该设计操作,获取用户针对目标血管所设计的治疗方案。
下面对本申请实施例中修改电路***的实施过程进行详细描述。
本申请实施例中,得到针对目标血管所设计的治疗方案后,可以通过修改电路参数的方式修改电路***,也可以通过增删电路元件的方式修改电路***。
在一实施例中,通过修改电路元件的电路参数的方式修改电路***。
该实施例中,定位治疗方案在目标血管中的作用区域。基于治疗方案,修改目标血管对应的电路***中对应作用区域的电路元件的电路参数,得到修改后电路***。
具体的,治疗方案的应用会更改作用区域所对应血管段的生理状态。在修改电路***时,若一血管段与作用区域存在交集,则基于治疗方案修改该血管段所对应电路元件的电路参数,得到修改后电路***。
在一实施例中,针对目标血管所设计的治疗方案为支架植入术。
该实施例中,基于治疗方案在作用区域中所植入支架的尺寸,修改对应作用区域的电路元件的电路参数。或者,基于治疗方案在作用区域中所植入支架的材料,修改对应作用区域的电路元件的电路参数。
具体的,所植入支架的尺寸会直接影响作用区域中血管的直径,而血管的直径又会影响血流量以及血管的阻力。因此,基于所植入支架的尺寸,至少可以直接修改对应电路元件的电流值或者电阻值;再者,电路元件的电压值可以通过电流值以及电阻值计算得到,电路元件的电感值与其电流值存在关联,电路元件的电抗值与其电感值存在关联,因此,基于所植入支架的尺寸,还可以间接修改对应电路元件的电压值、电感值、电抗值等。
所植入支架的材料会直接影响作用区域中血管的软硬,而血管的软硬又决定了血管在受到压力时的弹性。因此,基于所植入支架的材料,至少可以直接修改对应电容元件的电容值;再者,同一电路元件的电路参数之间相互存在关联,因此,基于所植入支架的材料,还可以间接修改对应电路元件的其他电路参数。
在一实施例中,针对目标血管所设计的治疗方案为球囊扩张术。
可以理解的,球囊扩张术主要是通过向目标血管植入球囊以扩张目标血管,其对目标血管施加的作用与支架对目标血管施加的作用类似。因此,同理于支架植入术的情况下修改电路参数,在采用球囊扩张术进行治疗的时候,可以基于所使用的球囊的尺寸,修改对应作用区域的电路元件的电路参数。或者,基于所使用的球囊的材料,修改对应作用区域的电路元件的电路参数。
在一实施例中,针对目标血管所设计的治疗方案为血管旋磨术。
该实施例中,基于治疗方案在作用区域所旋磨的深度,修改对应作用区域的电路元件的电容值和电阻值。
具体的,血管旋磨术主要用于旋磨目标血管中的钙化区域,以磨消掉部分钙化沉积。旋磨后的血管钙化沉积减少,血管壁变薄,硬度减小。而血管的软硬决定了血管在受到压力时的弹性,血管的管径变化决定了血管的阻力,因此,可以基于旋磨的深度修改电路元件的电容值和电阻值中的至少一个电路参数。
在一实施例中,针对目标血管所设计的治疗方案是血管搭桥术,这种情况下,主要通过增添电路元件的方式修改电路***。
该实施例中,定位血管搭桥术在目标血管中所增添的新血管通路。增添该新血管通路对应的电路元件,并设置所增添电路元件的电路参数,得到修改后电路***。
具体的,针对目标血管所设计的血管搭桥术一般是将一段血管或者血管替代物移植到目标血管上,在目标血管中增添至少一条新血管通路。同样可以将该新血管通路模拟为对应的电路元件,进而增添至电路***中。并设置所增添电路元件的电路参数,从而得到修改后电路***。
在一实施例中,若所增添的新血管通路为血管组织,则获取该新血管通路的空间特征,并基于该新血管通路的空间特征设置所增添电路元件的电路参数。
在一实施例中,若所增添的新血管通路为血管替代物(例如:高分子材料制成的血管替代物),则基于该血管替代物的尺寸或者材料设置所增添电路元件的电路参数。
下面对本申请实施例中基于修改后电路***获取应用治疗方案的生理状态的实施过程进行详细描述。
在一实施例中,通过求解电路***的方式,获取目标血管在应用治疗方案后的生理状态。
该实施例中,对修改后电路***进行求解,得到修改后电路***中各电路元件的电路参数。将修改后电路***中各电路元件的电路参数转换为对应的生理参数,得到目标血管在应用治疗方案后的生理状态。
具体的,目标血管是一个有机的整体。应用治疗方案更改目标血管部分区域的生理状态后,也会影响目标血管其他区域的生理状态,直到目标血管整体的生理状态稳定下来。这一过程也会反映到电路***上。因此,得到修改后电路***后,对该修改后电路***进行求解,得到修改后电路***整体稳定后各电路元件的电路参数。再将电路参数转换为对应的生理参数,从而得到目标血管在应用治疗方案后的生理状态。
该实施例的优点在于,通过求解电路***的方式,能够快速便捷地得到治疗效果。
在一实施例中,通过机器学习模型预测的方式,获取目标血管在应用治疗方案后的生理状态。
该实施例中,获取样本血管的原始医学影像,并从样本血管的原始医学影像中提取出样本血管的几何信息。基于样本血管的几何信息,将样本血管模拟为对应的电路***。以样本血管对应的电路***为输入,并以样本血管的生理状态为目标输出,训练得到用于预测血管的生理状态的机器学习模型。将修改后电路***输入机器学习模型,得到机器学习模型预测的目标血管在应用治疗方案后的生理状态。
具体的,通过将预先确定生理状态的样本血管模拟为对应的电路***,进而以样本血管对应的电路***为输入训练机器学习模型,使得训练完成的机器学习模型能够根据输入的电路***准确预测出对应的生理状态。进而得到目标血管对应的修改后电路***后,将该修改后电路***输入机器学习模型,得到机器学习模型预测的对应于该修改后电路***的生理状态,即,目标血管在应用治疗方案后的生理状态。
图3示出了本申请一实施例的用于预测生理状态的机器学习模型的训练示意图。
该实施例中,用于预测生理状态的机器学习模型为深度神经网络结构。训练所用数据为参数化的样本冠脉对应的电路***。
训练过程中:预先标注样本冠脉的生理状态,得到如图所示的人工标注。从样本冠脉的原始医学影像中提取出样本冠脉的几何信息,进而基于样本冠脉的几何信息模拟得到样本冠脉对应的电路***。进而对该电路***进行参数化,将参数化的电路***输入该深度神经网络。该深度神经网络预测该样本冠脉的生理状态,得到如图所示的预测结果。进而将预测结果与人工标注之间的误差反馈至该神经网络,对该神经网络进行更新,使得该神经网络朝着误差减小的方向演进。
通过这种训练方式,得到能够根据参数化的电路***精准预测对应的生理状态的机器学习模型。
在一实施例中,目标血管的生理状态包括:目标血管在形态特征上的信息以及目标血管在功能特征上的信息。
该实施例中,得到修改后电路***后,通过对该修改后电路***进行求解,或者通过机器学习模型对该修改后电路***进行处理,得到目标血管在应用治疗方案后的在形态特征上的信息以及在功能特征上的信息。
该实施例的优点在于,将形态学与功能学结合在一起描述目标血管在应用治疗方案后的生理状态,提高了预后信息的参考价值。
在一实施例中,目标血管在形态特征上的信息包括:血管狭窄率、血管最小管腔面积、血管外壁直径、血管内壁直径、血管直径与参考直径之间的比值。目标血管在功能特征上的信息包括:血流储备分数FFR、血压、血流量、血管阻力值、血管壁面剪切力、血管轴向斑块应力APS。
需要说明的是,该实施例所展示的形态特征以及功能特征只是示例性的,并不代表本申请只适用于该实施例所展示的形态特征以及功能特征。该实施例不应对本申请的功能和使用范围造成限制。
在一实施例中,基于应用于目标血管的治疗方案,以及在应用治疗方案后的目标血管的生理状态,对该治疗方案进行评估。
该实施例中,得到预测的目标血管在应用治疗方案后的生理状态后,对该治疗方案进行评估,以评估治疗方案在实践中的可操作性或者实施效果或者实施成本等。
该实施例的优点在于,当治疗方案有多个时,可以在得到的评估结果基础上对这些治疗方案进行优劣比较,并给出各治疗方案的推荐等级,从而进一步提高所得到预测结果的参考价值。
在一实施例中,计算治疗方案的成本。基于治疗方案应用后的生理状态,预估治疗方案的治疗成效。基于治疗方案的成本以及治疗方案的治疗成效,对治疗方案进行评估。
该实施例中,计算治疗方案的成本。其中,治疗方案的成本主要来源于两部分:药物成本以及手术成本。手术成本包括但不限于:手术耗材的成本、手术所需人力的成本。
基于目标血管在应用该治疗方案后的生理状态,预估该治疗方案的治疗成效。其中,治疗成效可采用分数进行描述,分数越高,说明治疗成效越好。并且,治疗成效可根据与治疗方案对应的生理状态与健康生理状态之间的差距进行衡量。治疗方案对应的生理状态与健康生理状态之间的差距越小,对应的治疗成效越好,对应的分数越高。
进而综合考虑成本以及治疗成效,对该治疗方案进行评估。
在一实施例中,将治疗方案以及目标血管在应用治疗方案后的生理状态进行可视化展示。
该实施例中,对治疗方案以及对应的生理状态进行可视化处理,并进行展示。
具体的,可视化处理结果可以直接于目标血管的原始医学影像中进行展示。
也可以基于目标血管的原始医学影像,对目标血管进行三维重建,得到目标血管的三维模型,进而将可视化处理结果与目标血管的三维模型中进行展示。
该实施例的优点在于,可以在医护人员提出了治疗方案的情况下,通过将治疗方案以及对应的生理状态进行可视化处理,更有效地展示出治疗方案以及对应的治疗效果,从而提高了医护人员对目标血管的治疗效率。
图4示出了本申请一实施例的可视化处理结果的示意图。
该实施例中,目标血管为冠脉。冠脉中颜色深浅不同的两个区域,代表该两个区域的血流储备分数FFR不同。PCI A指的是以经皮冠状动脉介入术(percutaneous coronaryintervention)在位置A放置一个支架,PCI B指的是以经皮冠状动脉介入术在位置B放置一个支架。
提取得到该冠脉的几何信息后,在此基础上模拟得到该冠脉对应的电路***。通过对未经修改的电路***进行求解,或者通过机器学习模型对未经修改的电路***进行处理,可以得到不对该冠脉进行介入治疗的生理状态,即治疗前效果。将治疗前效果可视化处理后得到该图最左侧一列所展示内容:代号RX001的机器学习模型预测得到,若不对该冠脉进行介入治疗,则该冠脉中位置A至位置B之间区域的FFR将发展为0.65,该冠脉位置B至末梢之间区域的FFR将发展为0.4。
针对该冠脉设计有三个支架植入术的治疗方案。分别应用该三个治疗方案对该电路***进行修改,得到三个修改后电路***。通过分别对该三个修改后电路***进行求解,或者通过机器学习模型分别对该三个修改后电路***进行处理,可以分别得到该三个治疗方案应用后的生理状态,即治疗后效果。进而对该三个治疗方案以及对应的治疗后效果进行可视化处理,并在该图的右侧三列进行展示。
该图最右侧一列所展示内容:代号RX001的机器学习模型预测得到,若采用“以经皮冠状动脉介入术在位置A放置一个支架,以经皮冠状动脉介入术在位置B放置一个支架”的治疗方案,则该冠脉中位置A至位置B之间区域的FFR将发展为0.88,该冠脉位置B至末梢之间区域的FFR将发展为0.85。
同理,不再赘述该图其他部分所展示内容。
图5示出了本申请一实施例的治疗方案的应用后效果的获取在实践操作过程中的简要示意图。
该实施例中,在实践操作过程中,针对已设计治疗方案的冠脉,获取该冠脉的原始医学影像,并从该原始医学影像中提取出该冠脉的几何信息。可选的,从该原始医学影像中提取出该冠脉的病变信息。
基于该几何信息,或者基于该几何信息以及该病变信息,模拟得到该冠脉对应的电路***。
进而根据治疗方案修改该电路***,得到修改后电路***;进而基于修改后电路***得到该冠脉在应用治疗方案后的生理状态,即,得到该冠脉的治疗后效果。可选的,将治疗方案以及治疗后效果进行可视化处理并展示。
可选的,在模拟得到该冠脉对应的电路***后,基于该未经修改的电路***可以得到该冠脉在应用治疗方案前的生理状态,即,得到该冠脉的治疗前效果。进一步可选的,将该治疗前效果进行可视化处理并展示。
图6示出了本申请一实施例的治疗方案的应用后效果的获取在实践操作过程中的详细示意图。
该实施例中,在实践操作过程中,针对已设计治疗方案的冠脉,获取该冠脉的原始医学影像。从该原始医学影像中提取出该冠脉的几何信息后,在此基础上将该冠脉模拟为对应的电路***。进而基于治疗方案对该电路***进行修改,并将得到的修改后电路***进行参数化处理后输入预先训练完成的深度神经网络结构的机器学习模型中,得到该机器学习模型预测的在应用该治疗方案后冠脉的生理状态。进而将该治疗方案以及对应的生理状态进行可视化展示,从而提高医护人员对该冠脉的治疗效率。
图7出了根据本申请一实施例的治疗方案的应用后效果的获取装置,所述装置包括:
提取模块210,配置为获取目标血管的原始医学影像,并从所述目标血管的原始医学影像中提取出所述目标血管的几何信息;
模拟模块220,配置为基于所述目标血管的几何信息,将所述目标血管模拟为对应的电路***;
修改模块230,配置为获取针对所述目标血管所设计的治疗方案,并基于所述治疗方案修改所述目标血管对应的电路***,得到所述目标血管对应的修改后电路***;
生理状态获取模块240,配置为基于所述修改后电路***,获取所述目标血管在应用所述治疗方案后的生理状态。
在本申请的一示例性实施例中,所述装置配置为:
定位所述治疗方案在所述目标血管中的作用区域;
基于所述治疗方案,修改所述目标血管对应的电路***中对应所述作用区域的电路元件的电路参数,得到所述修改后电路***。
在本申请的一示例性实施例中,所述装置配置为:
基于所述治疗方案在所述作用区域中所植入支架的尺寸,修改对应所述作用区域的电路元件的电路参数;
或者,基于所述治疗方案在所述作用区域中所植入支架的材料,修改对应所述作用区域的电路元件的电路参数。
在本申请的一示例性实施例中,所述装置配置为:
对所述修改后电路***进行求解,得到所述修改后电路***中各电路元件的电路参数;
将所述修改后电路***中各电路元件的电路参数转换为对应的生理参数,得到所述目标血管在应用所述治疗方案后的生理状态。
在本申请的一示例性实施例中,所述装置配置为:
获取样本血管的原始医学影像,并从所述样本血管的原始医学影像中提取出所述样本血管的几何信息;
基于所述样本血管的几何信息,将所述样本血管模拟为对应的电路***;
以所述样本血管对应的电路***为输入,并以所述样本血管的生理状态为目标输出,训练得到用于预测血管的生理状态的机器学习模型;
将所述修改后电路***输入所述机器学习模型,得到所述机器学习模型预测的所述目标血管在应用所述治疗方案后的生理状态。
在本申请的一示例性实施例中,所述装置配置为:
基于用于描述所述目标血管的形状特征的几何信息,将所述目标血管所包含的血管段分别模拟为一个电路元件,并按照所述目标血管的血流方向连接所述电路元件,得到所述电路元件连接而成的拓扑结构;
基于用于描述所述目标血管的空间特征的几何信息,设置所述电路元件的电路参数;
基于所述电路元件连接而成的拓扑结构以及所述电路元件的电路参数,模拟得到所述目标血管对应的电路***。
在本申请的一示例性实施例中,所述装置配置为:
基于用于描述所述目标血管的空间特征的几何信息,计算所述血管段的血流量;
将所述血管段的血流量转换为对应电路元件的电流值。
在本申请的一示例性实施例中,所述装置配置为:
基于用于描述所述目标血管的形状特征的几何信息,将所述目标血管所包含的血管段分别模拟为一个电路元件,并按照所述目标血管的血流方向连接所述电路元件,得到所述电路元件连接而成的拓扑结构;
从所述目标血管的原始医学影像中,提取出用于描述所述目标血管所在心肌组织的空间特征的几何信息;
基于用于描述所述心肌组织的空间特征的几何信息,设置所述电路元件的电流值;
基于得到所述电路元件连接而成的拓扑结构以及所述电路元件的电流值,模拟得到所述目标血管对应的电路***。
在本申请的一示例性实施例中,所述装置配置为:
基于用于描述所述心肌组织的空间特征的几何信息,计算所述心肌组织的体积或所述心肌组织所对应心室的体积;
将所述心肌组织的体积或所述心肌组织所对应心室的体积转换为对应电路元件的电流值。
在本申请的一示例性实施例中,所述装置配置为:
从所述目标血管的原始医学影像中提取出所述目标血管的病变信息;
基于用于描述所述目标血管的形状特征的几何信息,将所述目标血管所包含的血管段分别模拟为一个电路元件,并按照所述目标血管的血流方向连接所述电路元件,得到所述电路元件连接而成的拓扑结构;
基于所述目标血管的病变信息,设置所述电路元件的电路参数;
基于所述电路元件连接而成的拓扑结构以及所述电路元件的电路参数,模拟得到所述目标血管对应的电路***。
在本申请的一示例性实施例中,所述装置配置为:
获取所述目标血管所连接的主动脉的血压值;
基于所述主动脉的血压值计算所述血管段的血压值,并将所述血管段的血压值转换为对应电路元件的电压值。
在本申请的一示例性实施例中,所述装置配置为:
计算所述治疗方案的成本;
基于所述目标血管在应用所述治疗方案后的生理状态,预估所述治疗方案的治疗成效;
基于所述治疗方案的成本以及所述治疗方案的治疗成效,对所述治疗方案进行评估。
在本申请的一示例性实施例中,所述装置配置为:
将所述治疗方案以及所述目标血管在应用所述治疗方案后的生理状态进行可视化展示。
下面参考图8来描述根据本申请实施例的电子设备30。图8显示的电子设备30仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示,电子设备30以通用计算设备的形式表现。电子设备30的组件可以包括但不限于:上述至少一个处理单元310、上述至少一个存储单元320、连接不同***组件(包括存储单元320和处理单元310)的总线330。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元310执行,使得所述处理单元310执行本说明书上述示例性方法的描述部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元310可以执行如图1中所示的各个步骤。
存储单元320可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202,还可以进一步包括只读存储单元(ROM)3203。
存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204,这样的程序模块3205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,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。
总线330可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备30也可以与一个或多个外部设备400(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备30交互的设备通信,和/或与使得该电子设备30能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。输入/输出(I/O)接口350与显示单元340相连。并且,电子设备30还可以通过网络适配器360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360通过总线330与电子设备30的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备30使用其它硬件和/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、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本申请实施方式的方法。
在本申请的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行上述方法实施例部分描述的方法。
根据本申请的一个实施例,还提供了一种用于实现上述方法实施例中的方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,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***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。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、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如JAVA、C++等,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用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由所附的权利要求指出。
Claims (12)
1.一种治疗方案的应用后效果的获取方法,其特征在于,所述方法包括:
获取目标血管的原始医学影像,并从所述目标血管的原始医学影像中提取出所述目标血管的几何信息;
基于所述目标血管的几何信息,将所述目标血管模拟为对应的电路***;
获取针对所述目标血管所设计的治疗方案,并定位所述治疗方案在所述目标血管中的作用区域;
基于所述治疗方案在所述作用区域中所植入支架的尺寸,修改对应所述作用区域的电压、电感和电抗的电路参数,得到修改后电路***;或者,基于所述治疗方案在所述作用区域中所植入支架的材料,修改对应所述作用区域的电容的电路参数,得到修改后电路***;
基于修改后电路***,获取所述目标血管在应用所述治疗方案后的生理状态。
2.根据权利要求1所述的方法,其特征在于,基于所述修改后电路***,获取所述目标血管在应用所述治疗方案后的生理状态,包括:
对所述修改后电路***进行求解,得到所述修改后电路***中各电路元件的电路参数;
将所述修改后电路***中各电路元件的电路参数转换为对应的生理参数,得到所述目标血管在应用所述治疗方案后的生理状态。
3.根据权利要求1所述的方法,其特征在于,基于所述修改后电路***,获取所述目标血管在应用所述治疗方案后的生理状态,包括:
获取样本血管的原始医学影像,并从所述样本血管的原始医学影像中提取出所述样本血管的几何信息;
基于所述样本血管的几何信息,将所述样本血管模拟为对应的电路***;
以所述样本血管对应的电路***为输入,并以所述样本血管的生理状态为目标输出,训练得到用于预测血管的生理状态的机器学习模型;
将所述修改后电路***输入所述机器学习模型,得到所述机器学习模型预测的所述目标血管在应用所述治疗方案后的生理状态。
4.根据权利要求1所述的方法,其特征在于,基于所述目标血管的几何信息,将所述目标血管模拟为对应的电路***,包括:
基于用于描述所述目标血管的形状特征的几何信息,将所述目标血管所包含的血管段分别模拟为一个电路元件,并按照所述目标血管的血流方向连接所述电路元件,得到所述电路元件连接而成的拓扑结构;
基于用于描述所述目标血管的空间特征的几何信息,设置所述电路元件的电路参数;
基于所述电路元件连接而成的拓扑结构以及所述电路元件的电路参数,模拟得到所述目标血管对应的电路***。
5.根据权利要求4所述的方法,其特征在于,基于用于描述所述目标血管的空间特征的几何信息,设置所述电路元件的电路参数,包括:
基于用于描述所述目标血管的空间特征的几何信息,计算所述血管段的血流量;
将所述血管段的血流量转换为对应电路元件的电流值。
6.根据权利要求1所述的方法,其特征在于,所述目标血管为冠脉,基于所述目标血管的几何信息,将所述目标血管模拟为对应的电路***,包括:
基于用于描述所述目标血管的形状特征的几何信息,将所述目标血管所包含的血管段分别模拟为一个电路元件,并按照所述目标血管的血流方向连接所述电路元件,得到所述电路元件连接而成的拓扑结构;
从所述目标血管的原始医学影像中,提取出用于描述所述目标血管所在心肌组织的空间特征的几何信息;
基于用于描述所述心肌组织的空间特征的几何信息,设置所述电路元件的电流值;
基于得到所述电路元件连接而成的拓扑结构以及所述电路元件的电流值,模拟得到所述目标血管对应的电路***。
7.根据权利要求6所述的方法,其特征在于,基于用于描述所述心肌组织的空间特征的几何信息,设置所述电路元件的电流值,包括:
基于用于描述所述心肌组织的空间特征的几何信息,计算所述心肌组织的体积或所述心肌组织所对应心室的体积;
将所述心肌组织的体积或所述心肌组织所对应心室的体积转换为对应电路元件的电流值。
8.根据权利要求1所述的方法,其特征在于,基于所述目标血管的几何信息,将所述目标血管模拟为对应的电路***,包括:
从所述目标血管的原始医学影像中提取出所述目标血管的病变信息;
基于用于描述所述目标血管的形状特征的几何信息,将所述目标血管所包含的血管段分别模拟为一个电路元件,并按照所述目标血管的血流方向连接所述电路元件,得到所述电路元件连接而成的拓扑结构;
基于所述目标血管的病变信息,设置所述电路元件的电路参数;
基于所述电路元件连接而成的拓扑结构以及所述电路元件的电路参数,模拟得到所述目标血管对应的电路***。
9.根据权利要求4或6或8所述的方法,其特征在于,所述方法还包括:
获取所述目标血管所连接的主动脉的血压值;
基于所述主动脉的血压值计算所述血管段的血压值,并将所述血管段的血压值转换为对应电路元件的电压值。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
计算所述治疗方案的成本;
基于所述目标血管在应用所述治疗方案后的生理状态,预估所述治疗方案的治疗成效;
基于所述治疗方案的成本以及所述治疗方案的治疗成效,对所述治疗方案进行评估。
11.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述治疗方案以及所述目标血管在应用所述治疗方案后的生理状态进行可视化展示。
12.一种治疗方案的应用后效果的获取装置,其特征在于,所述装置包括:
提取模块,配置为获取目标血管的原始医学影像,并从所述目标血管的原始医学影像中提取出所述目标血管的几何信息;
模拟模块,配置为基于所述目标血管的几何信息,将所述目标血管模拟为对应的电路***;
修改模块,配置为获取针对所述目标血管所设计的治疗方案,并定位所述治疗方案在所述目标血管中的作用区域;基于所述治疗方案在所述作用区域中所植入支架的尺寸,修改对应所述作用区域的电压、电感和电抗的电路参数;或者,基于所述治疗方案在所述作用区域中所植入支架的材料,修改对应所述作用区域的电容的电路参数;
生理状态获取模块,配置为基于修改后电路***,获取所述目标血管在应用所述治疗方案后的生理状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110769369.9A CN113539516B (zh) | 2021-07-07 | 2021-07-07 | 治疗方案的应用后效果的获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110769369.9A CN113539516B (zh) | 2021-07-07 | 2021-07-07 | 治疗方案的应用后效果的获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113539516A CN113539516A (zh) | 2021-10-22 |
CN113539516B true CN113539516B (zh) | 2024-06-14 |
Family
ID=78127049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110769369.9A Active CN113539516B (zh) | 2021-07-07 | 2021-07-07 | 治疗方案的应用后效果的获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113539516B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105580019A (zh) * | 2013-07-30 | 2016-05-11 | 哈特弗罗公司 | 为优化诊断性能利用边界条件模型化血流的方法和*** |
CN107977709A (zh) * | 2017-04-01 | 2018-05-01 | 北京昆仑医云科技有限公司 | 预测血管树血管路径上的血流特征的深度学习模型和*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000010623A1 (en) * | 1998-08-25 | 2000-03-02 | Tricardia, L.L.C. | An implantable device for promoting repair of a body lumen |
US9042613B2 (en) * | 2013-03-01 | 2015-05-26 | Heartflow, Inc. | Method and system for determining treatments by modifying patient-specific geometrical models |
US9087147B1 (en) * | 2014-03-31 | 2015-07-21 | Heartflow, Inc. | Systems and methods for determining blood flow characteristics using flow ratio |
WO2016170076A1 (en) * | 2015-04-21 | 2016-10-27 | Frey Dietmar | Method for simulating blood flow in the cerebral vascular tree |
-
2021
- 2021-07-07 CN CN202110769369.9A patent/CN113539516B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105580019A (zh) * | 2013-07-30 | 2016-05-11 | 哈特弗罗公司 | 为优化诊断性能利用边界条件模型化血流的方法和*** |
CN107977709A (zh) * | 2017-04-01 | 2018-05-01 | 北京昆仑医云科技有限公司 | 预测血管树血管路径上的血流特征的深度学习模型和*** |
Also Published As
Publication number | Publication date |
---|---|
CN113539516A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11195278B2 (en) | Fractional flow reserve simulation parameter customization, calibration and/or training | |
Worz et al. | Segmentation and quantification of human vessels using a 3-D cylindrical intensity model | |
CN113241183B (zh) | 治疗方案预测方法及装置 | |
EP2977922A2 (en) | Method and system for automated therapy planning for arterial stenosis | |
CN107580470B (zh) | 瞬时流量储备-计算机断层摄影 | |
EP3431005A1 (en) | Inflammation estimation from x-ray image data | |
US20220198784A1 (en) | System and methods for augmenting x-ray images for training of deep neural networks | |
CN113362958A (zh) | 治疗方案的应用后效果的预测方法及装置 | |
WO2023237553A1 (en) | Method and system for assessing functionally significant vessel obstruction based on machine learning | |
Ragab et al. | Early and accurate detection of melanoma skin cancer using hybrid level set approach | |
JP7426824B2 (ja) | 非侵襲的イメージングベースのffrのインタラクションモニタリング | |
JP2021521949A (ja) | インターベンショナルx線画像及びディープラーニングを用いたインタラクティブ冠動脈ラベル付け | |
CN113539516B (zh) | 治疗方案的应用后效果的获取方法及装置 | |
CN116309346A (zh) | 医学图像的检测方法、装置、设备、存储介质及程序产品 | |
WO2022166405A1 (zh) | 仿真***、仿真方法及装置 | |
CN116309264A (zh) | 造影图像判定方法及造影图像判定装置 | |
US11918291B2 (en) | Simulation of transcatheter aortic valve implantation (TAVI) induced effects on coronary flow and pressure | |
CN113838572B (zh) | 血管生理参数获取方法、装置、电子设备及存储介质 | |
CN113838007A (zh) | 生理参数获取方法、装置、电子设备及存储介质 | |
La Cruz | 3D modelling and reconstruction of peripheral arteries | |
Prakash et al. | Deep learning-based head and neck segmentation in CT angiography | |
CN114420286A (zh) | 血管生理参数获取方法、装置、电子设备及存储介质 | |
CN117958965A (zh) | 一种血管介入手术的术前路径规划方法及装置 | |
CN117320628A (zh) | 一种用于识别冠状动脉疾病的***和方法 |
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 |