CN113616160A - 基于多模态医学影像的ffr确定方法、装置、设备及介质 - Google Patents
基于多模态医学影像的ffr确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113616160A CN113616160A CN202111073928.9A CN202111073928A CN113616160A CN 113616160 A CN113616160 A CN 113616160A CN 202111073928 A CN202111073928 A CN 202111073928A CN 113616160 A CN113616160 A CN 113616160A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- image
- flow reserve
- sequence
- fractional flow
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000002310 reflectometry Methods 0.000 title description 2
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 457
- 230000017531 blood circulation Effects 0.000 claims abstract description 102
- 230000004927 fusion Effects 0.000 claims description 26
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 18
- 238000003384 imaging method Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000012530 fluid Substances 0.000 description 8
- 238000005070 sampling Methods 0.000 description 7
- 230000036770 blood supply Effects 0.000 description 6
- 230000006854 communication Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 210000004351 coronary vessel Anatomy 0.000 description 5
- 230000002792 vascular Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012014 optical coherence tomography Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 244000208734 Pisonia aculeata Species 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 238000002608 intravascular ultrasound Methods 0.000 description 3
- 230000002107 myocardial effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013146 percutaneous coronary intervention Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 208000031481 Pathologic Constriction Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000028867 ischemia Diseases 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 210000004165 myocardium Anatomy 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 208000037804 stenosis Diseases 0.000 description 2
- 230000036262 stenosis Effects 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 201000000057 Coronary Stenosis Diseases 0.000 description 1
- 208000024248 Vascular System injury Diseases 0.000 description 1
- 208000012339 Vascular injury Diseases 0.000 description 1
- 206010047141 Vasodilatation Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000013427 histology analysis Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 230000024883 vasodilation Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
- A61B5/0066—Optical coherence imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
-
- 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
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- 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
- A61B5/0263—Measuring blood flow using NMR
-
- 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
- A61B5/029—Measuring or recording blood output from the heart, e.g. minute volume
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
- A61B5/748—Selection of a region of interest, e.g. using a graphics tablet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
- A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/486—Diagnostic techniques involving generating temporal series of image data
- A61B6/487—Diagnostic techniques involving generating temporal series of image data involving fluoroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Hematology (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Vascular Medicine (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种基于多模态医学影像的FFR确定方法、装置、设备及介质,所述方法包括:获取包括感兴趣血管段的血管腔内影像;获取包括待检测血管段的血管外部影像,所述待检测血管段与所述感兴趣血管段至少部分重合;对所述血管腔内影像和所述血管外部影像进行配准,得到配准结果;利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数。本发明的FFR确定方法,通过利用血管腔内影像和血管外部影像的配准结果,整合血管腔内影像和血管外部影像的优势信息,来优化血流储备分数的计算,得到基于多模态医学影像的兼具血管段完整性与局部精确性的血流储备分数,提高了血流储备分数计算的准确度与稳定性。
Description
技术领域
本发明涉及血管内介入影像医疗器械领域,特别涉及一种基于多模态医学影像的FFR确定方法、装置、设备及介质。
背景技术
冠状动脉疾病已经成为全球第一大致死疾病。目前,经皮冠状动脉介入(Percutaneous Coronary Intervention,PCI)治疗是冠状动脉疾病有效的治疗方法之一。
血流储备分数(Fractional Flow Reserve,FFR)通过测量冠状动脉狭窄段远端与近端的压力差值,可有效反应狭窄病变对血管供血功能的影响,评估是否导致冠脉灌注心肌的缺血。目前,FFR已成为临床上诊断、指导并评估PCI治疗的金标准。
然而,传统的FFR需要通过压力导丝来测定血液压力,这种检查操作复杂、耗时较长,所需手术耗材(FFR导丝)价格昂贵。另外,注射血管扩张药物产生的副作用会使患者出现不适反应,导丝在介入过程中容易造成病人血管损伤。上述原因限制了压力导丝方法测量FFR的推广。
此外,现有的通过影像学计算获得FFR的方法通常是基于血管影像学技术,例如X射线造影成像、电脑断层扫描(Computed Tomography,CT)成像、光学相干断层扫描(Optical Coherence Tomography,OCT)成像和血管内超声(Intravenous Ultrasound,IVUS)成像技术等,获取血管外部影像或者血管腔内影像,进而得到血管管腔信息,并通过流体力学分析、应力学分析、血管组织学分析等方法,计算血流储备分数。
但是,由于血管腔内影像采集时成像长度有限,有时候无法完全覆盖整个病变血管,因此基于血管腔内影像计算的血流储备分数所表达的血管段不完整。另外,由于血管腔内影像对于分支血管的探视范围很短,无法准确的确定分支血管对于血流的分流,同时血管腔内影像无法反映血管的整体空间信息,特别是弯曲信息,容易引入计算误差。而相比于血管腔内影像,血管外部影像可以更好地展现待检测血管段的整体空间信息,基于血管外部影像计算的血流储备分数所表达的血管段较完整,但局部精度往往弱于腔内影像。
发明内容
针对现有技术的上述问题,本发明的目的在于提供一种基于多模态医学影像的FFR确定方法、装置、设备及介质,能够提高血流储备分数计算的准确度与稳定性。
为了解决上述问题,本发明提供一种基于多模态医学影像的FFR确定方法,包括:
获取包括感兴趣血管段的血管腔内影像;
获取包括待检测血管段的血管外部影像,所述待检测血管段与所述感兴趣血管段至少部分重合;
对所述血管腔内影像和所述血管外部影像进行配准,得到配准结果;
利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数。
进一步地,所述对所述血管腔内影像和所述血管外部影像进行配准,得到配准结果包括:
在所述血管腔内影像中获取所述感兴趣血管段的第一特征信息,所述第一特征信息包括所述感兴趣血管段的内部管腔信息;
在所述血管外部影像中获取所述待检测血管段的第二特征信息,所述第二特征信息包括所述待检测血管段的外部管腔信息;
基于所述第一特征信息和所述第二特征信息进行配准,得到配准结果。
进一步地,所述利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数包括:
基于所述血管腔内影像确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线;
基于所述血管外部影像确定所述待检测血管段的血流储备分数对应的第二回撤曲线;
利用所述配准结果,基于所述第一回撤曲线和所述第二回撤曲线确定基于多模态医学影像的目标血流储备分数。
可选择地,所述基于所述血管腔内影像确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线包括:
获取所述待检测血管段的血流速度;
基于所述血管腔内影像和所述血流速度确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线。
可选择地,所述基于所述血管腔内影像确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线包括:
获取所述感兴趣血管段的第一分支血管信息,所述第一分支血管信息包括基于所述血管腔内影像得到的分支开口信息,以及基于所述血管外部影像得到的分支信息;
基于所述血管腔内影像和所述第一分支血管信息确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线。
可选择地,所述基于所述血管外部影像确定所述待检测血管段的血流储备分数及其对应的第二回撤曲线包括:
获取所述待检测血管段的血流速度;
基于所述血管外部影像和所述血流速度确定所述待检测血管段的血流储备分数及其对应的第二回撤曲线。
可选择地,所述基于所述血管外部影像确定所述待检测血管段的血流储备分数及其对应的第二回撤曲线包括:
获取所述待检测血管段的第二分支血管信息,所述第二分支血管信息包括基于所述血管腔内影像得到的分支开口信息,以及基于所述血管外部影像得到的分支信息;
基于所述血管外部影像和所述第二分支血管信息确定所述待检测血管段的血流储备分数及其对应的第二回撤曲线。
进一步地,所述利用所述配准结果,基于所述第一回撤曲线和所述第二回撤曲线确定基于多模态医学影像的目标血流储备分数包括:
基于所述第一回撤曲线确定第一血流储备分数序列,所述第一血流储备分数序列对应于所述血管腔内影像中感兴趣血管段的第一血管位置序列;
基于所述第二回撤曲线确定第二血流储备分数序列,所述第二血流储备分数序列对应于所述血管外部影像中待检测血管段的第二血管位置序列,所述第二血管位置序列与所述第一血管位置序列至少部分重合;
利用所述配准结果,将所述第一血流储备分数序列和所述第二血流储备分数序列进行融合,得到目标血流储备分数序列;
基于所述目标血流储备分数序列确定基于多模态医学影像的目标血流储备分数。
进一步地,所述利用所述配准结果,将所述第一血流储备分数序列和所述第二血流储备分数序列进行融合,得到目标血流储备分数序列包括:
基于所述第一血流储备分数序列计算第一差值序列,所述第一差值序列中的值为所述第一血流储备分数序列中对应位置的血流储备分数相对于前一位置的血流储备分数的降低值;
基于所述第二血流储备分数序列计算第二差值序列,所述第二差值序列中的值为所述第二血流储备分数序列中对应位置的血流储备分数相对于前一位置的血流储备分数的降低值;
利用所述配准结果,将所述第一差值序列与所述第二差值序列进行融合,得到目标差值序列;
根据所述目标差值序列确定所述目标血流储备分数序列。
可选择地,所述利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数包括:
在所述血管腔内影像中获取所述感兴趣血管段的第一特征信息,所述第一特征信息包括所述感兴趣血管段的内部管腔信息;
在所述血管外部影像中获取所述待检测血管段的第二特征信息,所述第二特征信息包括所述待检测血管段的外部管腔信息;
利用所述配准结果,基于所述第一特征信息和所述第二特征信息计算基于多模态医学影像的目标血流储备分数。
可选择地,所述利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数包括:
利用所述配准结果,将所述血管腔内影像和所述血管外部影像进行图像融合,得到融合影像;
在所述融合影像中获取所述待检测血管段的融合特征信息,所述融合特征信息包括融合管腔信息;
基于所述融合特征信息计算基于多模态医学影像的目标血流储备分数。
本发明另一方面提供一种基于多模态医学影像的FFR确定装置,包括:
血管腔内影像获取模块,用于获取包括感兴趣血管段的血管腔内影像;
血管外部影像获取模块,用于获取包括待检测血管段的血管外部影像,所述待检测血管段与所述感兴趣血管段至少部分重合;
配准模块,用于对所述血管腔内影像和所述血管外部影像进行配准,得到配准结果;
血流储备分数确定模块,用于利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数。
本发明另一方面提供一种电子设备,包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述的基于多模态医学影像的FFR确定方法。
本发明另一方面提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述的基于多模态医学影像的FFR确定方法。
由于上述技术方案,本发明具有以下有益效果:
根据本发明实施例的基于多模态医学影像的FFR确定方法,通过对血管腔内影像和血管外部影像进行配准,利用配准结果整合血管腔内影像和血管外部影像的优势信息,来优化血流储备分数的计算,能够得到基于多模态医学影像的兼具血管段的完整性与局部精确性的血流储备分数,从而提高血流储备分数计算的准确度与稳定性。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本发明一个实施例提供的实施环境示意图;
图2是本发明一个实施例提供的基于多模态医学影像的FFR确定方法的流程图;
图3是本发明另一个实施例提供的基于多模态医学影像的FFR确定方法的流程图;
图4是本发明一个实施例提供的确定目标血流储备分数序列的示意图;
图5A是本发明一个实施例提供的第一回撤曲线的示意图;
图5B是本发明一个实施例提供的第二回撤曲线的示意图;
图5C是本发明一个实施例提供的目标回撤曲线的示意图;
图6是本发明另一个实施例提供的基于多模态医学影像的FFR确定方法的流程图;
图7是本发明另一个实施例提供的基于多模态医学影像的FFR确定方法的流程图;
图8是本发明一个实施例提供的基于多模态医学影像的FFR确定装置的结构示意图;
图9是本发明一个实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的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。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
参考说明书附图1,其示出了本发明一个实施例提供的实施环境示意图。如图1所示,该实施环境可以包括至少一个医学扫描设备110和计算机设备120,所述计算机设备120和各个医学扫描设备110可以通过有线或无线通信方式进行直接或间接地连接,本发明实施例对此不作限制。
其中,所述计算机设备120可以但不限于是各种服务器、个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备、服务器可以是独立的服务器或者是多个服务器组成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
所述医学扫描设备110可以采用OCT成像和IVUS成像等成像技术获取包括感兴趣血管段的血管腔内影像,可以采用X射线造影成像和CT成像等成像技术获取包括待检测血管段(所述待检测血管段与所述感兴趣血管段至少部分重合)的血管外部影像。
所述计算机设备120可以获取所述医学扫描设备110采集的所述血管腔内影像和所述血管外部影像,并通过本发明实施例提供的方法确定基于多模态医学影像的目标血流储备分数,以供医生进行查阅,以及时指导采取措施。通过基于多模态医学影像,来优化血流储备分数的计算,能够得到兼具血管段的完整性与局部精确性的目标血流储备分数,其准确度与稳定性均高于基于单一医学影像计算的血流储备分数。
具体地,本发明实施例提供的基于多模态医学影像的FFR确定方法可以适用于基于左旋冠状动脉、左前降支冠状动脉、右冠状动脉等冠状动脉血管的外部影像与腔内影像计算血流储备分数的场景。
需要说明的是,图1仅仅是一种示例。本领域技术人员可以理解,虽然图1中只示出了1个医学扫描设备110,但并不构成对本发明实施例的限定,可以包括比图示更多或更少的医学扫描设备110。
参考说明书附图2,其示出了本发明一个实施例提供的基于多模态医学影像的FFR确定方法的流程,该方法可以应用于图1中的计算机设备120中,具体的如图2所示,所述方法可以包括以下步骤:
S210:获取包括感兴趣血管段的血管腔内影像。
本发明实施例中,所述感兴趣血管段可以是相对于正常血管出现异常的某段血管,获取所述血管腔内影像既可以是直接获取已经分离出的仅包括感兴趣血管段的影像,也可以是从一段血管的血管腔内影像中选取出的与感兴趣血管段对应的影像,本发明实施例对此不作限制。如果所述血管腔内影像中,有一部分成像质量差,则可以只选择成像质量好的部分腔内影像进行后续处理,将成像质量好的部分腔内影像中的血管段作为感兴趣血管段。
本发明实施例中,所述血管腔内影像可以为一种类型的血管腔内影像,也可以包括多种类型的血管腔内影像,所述血管腔内影像的来源既可以是直接导入的相关数据,也可以是从其他资源库实时配置连接获取,还可以是从已存储的影像数据库中根据用户的名字等信息搜索后获取,本发明实施例对此不作限制。具体地,所述血管腔内影像可以为OCT影像,也可以为IVUS影像,等等。
S220:获取包括待检测血管段的血管外部影像,所述待检测血管段与所述感兴趣血管段至少部分重合。
本发明实施例中,获取所述血管外部影像既可以是直接获取已经分离出的仅包括待检测血管段的影像,也可以是从一段血管的血管外部影像中选取出的与待检测血管段对应的影像,本发明实施例对此不作限制。如果所述血管外部影像中,有一部分成像质量差,则可以只选择成像质量好的部分外部影像进行后续处理,将成像质量好的部分外部影像中的血管段作为待检测血管段。
本发明实施例中,所述血管外部影像可以为一种类型的血管外部影像,也可以包括多种类型的血管外部影像,所述血管外部影像的来源既可以是直接导入的相关数据,也可以是从其他资源库实时配置连接获取,还可以是从已存储的影像数据库中根据用户的名字等信息搜索后获取,本发明实施例对此不作限制。具体地,所述血管外部影像可以为X射线影像,也可以为CT影像,等等。
本发明实施例中,所述待检测血管段可以包括所述感兴趣血管段,例如所述待检测血管段可以是所述感兴趣血管段所在的整根血管,或者所述待检测血管段可以仅包括所述感兴趣血管段的一部分血管段,例如所述待检测血管段可以仅包括所述感兴趣血管段的近端、中间或远端的一部分血管段,本发明实施例对此不作限制。
在实际应用中,由于血管外部影像所呈现的血管往往较完整,因此所述感兴趣血管段一般对应于所述待检测血管段的一部分血管段,当所述感兴趣血管段超出所述待检测血管段的范围时,可以根据实际情况裁剪所述感兴趣血管段,得到所述待检测血管段对应的基于多模态医学影像的血流储备分数,或者利用所述感兴趣血管段延长所述待检测血管段,得到延长后的血管段对应的基于多模态医学影像的血流储备分数。
S230:对所述血管腔内影像和所述血管外部影像进行配准,得到配准结果。
本发明实施例中,可以基于所述血管腔内影像的特性信息和所述血管外部影像的特征信息进行配准,得到所述感兴趣血管段和所述待检测血管段之间的对应关系。
本发明实施例中,所述对所述血管腔内影像和所述血管外部影像进行配准,得到配准结果可以包括:
在所述血管腔内影像中获取所述感兴趣血管段的第一特征信息,所述第一特征信息包括所述感兴趣血管段的内部管腔信息;
在所述血管外部影像中获取所述待检测血管段的第二特征信息,所述第二特征信息包括所述待检测血管段的外部管腔信息;
基于所述第一特征信息和所述第二特征信息进行配准,得到配准结果。
具体地,可以分别对所述血管腔内影像和所述血管外部影像进行图像处理,得到对应的第一特征信息和第二特征信息。其中,所述内部管腔信息可以包括血管内各处的内血管直径和内血管长度,所述内血管直径是指根据血管腔内影像获得的血管直径,所述内血管长度为血管内管腔上某一处到所述感兴趣血管段的近端端点的沿着血管轴线的长度。所述外部管腔信息可以包括血管外各处的外血管直径和外血管长度,所述外血管直径是指根据血管外部影像获得的血管直径,所述外血管长度为血管外管腔上某一处到所述待检测血管段的近端端点的沿着血管轴线的长度。
可选择地,所述第一特征信息还可以包括所述感兴趣血管段的分支开口信息、组织学信息或血管斑块信息等,所述第二特征信息还可以包括所述待检测血管段的分支信息或应力信息等。其中,所述分支开口信息可以包括内部分支血管的编号(该编号包含了该分支属于血管上的第几个分支的信息)以及该内部分支血管相对于感兴趣血管段的位置信息。所述分支信息可以包括外部分支血管的编号(该编号包含了该分支属于血管上的第几个分支的信息)以及该外部分支血管相对于待检测血管段的位置信息。
需要说明的是,本发明实施例可以采用现有技术中的各种图像处理方法对所述血管腔内影像和所述血管外部影像进行图像处理,得到对应的第一特征信息和第二特征信息,不同的特征信息也可以通过不同的图像处理方法得到,本发明实施例对此不作限制。示例性地,可以通过现有技术中的各种管腔分割方法,如基于人工智能的管腔分割方法等,对所述血管腔内影像和所述血管外部影像进行管腔分割,分别得到对应的外部管腔信息和内部管腔信息;可以通过现有技术中的各种分支识别方法(如基于人工智能的分支识别方法等)对所述血管腔内影像和所述血管外部影像进行分支识别,分别得到对应的分支开口信息和分支信息,等等。
具体地,在进行配准时,可以先对所述第一特征信息和所述第二特征信息进行一级配准,获得第三特征信息,再对所述第一特征信息和所述第三特征信息进行二级配准,获得配准结果。其中,所述第三特征信息包括血管外部影像中的与感兴趣血管段相对应的第一目标血管段的外部管腔信息,所述配准结果可以为所述第一特征信息和所述第三特征信息之间的对应关系。需要说明的是,本发明实施例中的感兴趣血管段位于血管内部,第一目标血管段是指与所述感兴趣血管段相对应的位于血管外部的血管段。
需要说明的是,本发明实施例中,获取所述感兴趣血管段的第一特征信息的步骤和获取所述待检测血管段的第二特征信息的步骤的顺序可以交换,也可以同时进行,本发明实施例对感兴趣血管段的第一特征信息和待检测血管段的第二特征信息的获取顺序并不作限制。
需要说明的是,在一些可能的实施例中,还可以采用现有技术中的其它配准方法来对所述血管腔内影像和所述血管外部影像进行配准,本发明实施例对此不作限制。
S240:利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数。
本发明实施例中,所述目标血流储备分数可以为所述待检测血管段对应的血流储备分数,也可以为利用所述感兴趣血管段延长所述待检测血管段,得到的延长后的血管段对应的血流储备分数。所述目标血流储备分数可以表达完整的血管段,且具有较好的局部精度,其准确度与稳定性均高于基于单一医学影像计算的血流储备分数,可以帮助医生更好地评估血管供血功能,准确地确定血管狭窄的部位。
本发明实施例中,结合参考说明书附图3,所述利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数可以包括:
S2411:基于所述血管腔内影像确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线。
其中,所述第一回撤曲线为所述感兴趣血管段中的血管位置与血流储备分数的关系曲线。本发明实施例可以采用现有技术中的基于血管腔内影像确定血流储备分数的各种方法来计算血流储备分数,得到所述第一回撤曲线,本发明实施例对此不作限制。示例性地,可以在所述血管腔内影像中获取所述感兴趣血管段的内部管腔信息和分支开口信息等特征信息,重建出第一血管管腔模型,并基于正常血流速度进行流体动力学分析计算血流储备分数,得到所述第一回撤曲线,所述正常血流速度可以预先确定。
在一个可能的实施例中,所述基于所述血管腔内影像确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线可以包括:
获取所述待检测血管段的血流速度;
基于所述血管腔内影像和所述血流速度确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线。
具体地,所述待检测血管段的血流速度可以基于所述血管外部影像计算得到,具体计算方法为现有技术,本发明实施例在此不再赘述。例如,所述待检测血管段的血流速度可以通过血管造影技术测量得到,例如可以通过测量造影剂在所述待检测血管段中的流动速度作为所述待检测血管段的血流速度,或者基于所述待检测血管段的造影图像序列计算出造影剂充盈过程中的平均血流速度,作为所述待检测血管段的血流速度等。需要说明的是,在一些可能的实施例中,还可以采用现有技术中的其它血流速度计算方法来得到所述待检测血管段的血流速度,本发明实施例对此不作限制。
具体地,在获取到所述待检测血管段的血流速度后,可以利用所述血流速度优化基于所述血管腔内影像计算血流储备分数的计算过程,从而得到精确度更高的血流储备分数及第一回撤曲线。
在另一个可能的实施例中,所述基于所述血管腔内影像确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线可以包括:
获取所述感兴趣血管段的第一分支血管信息,所述第一分支血管信息包括基于所述血管腔内影像得到的分支开口信息,以及基于所述血管外部影像得到的分支信息;
基于所述血管腔内影像和所述第一分支血管信息确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线。
具体地,可以通过现有技术中的各种分支识别方法(如基于人工智能的分支识别方法等),对所述血管腔内影像进行分支识别,得到所述感兴趣血管段的分支开口信息,并且对所述血管外部影像进行分支识别,得到所述待检测血管段的分支信息,再利用所述配准信息确定所述待检测血管段中,对应于所述感兴趣血管段的血管段的分支信息,作为所述感兴趣血管段的分支信息。得到所述感兴趣血管段的第一分支血管信息后,可以利用所述第一分支血管信息优化基于所述血管腔内影像计算血流储备分数的计算过程,从而得到精确度更高的血流储备分数及第一回撤曲线。例如,可以利用所述第一分支血管信息优化重建第一血管管腔模型的过程。
在另一个可能的实施例中,还可以利用所述待检测血管段的血流速度和所述感兴趣血管段的第一分支血管信息同时优化基于所述血管腔内影像计算血流储备分数的计算过程,从而得到精确度更高的血流储备分数及第一回撤曲线。例如,可以利用所述第一分支血管信息优化重建第一血管管腔模型的过程,基于所述待检测血管段的血流速度进行流体动力学分析计算血流储备分数,得到所述第一回撤曲线。
S2412:基于所述血管外部影像确定所述待检测血管段的血流储备分数对应的第二回撤曲线。
其中,所述第二回撤曲线为所述待检测血管段中的血管位置与血流储备分数的关系曲线。本发明实施例可以采用现有技术中的基于血管外部影像确定血流储备分数的各种方法来计算血流储备分数,得到所述第二回撤曲线,本发明实施例对此不作限制。示例性地,可以在所述血管外部影像中获取所述待检测血管段的外部管腔信息和分支信息等特征信息,重建出第二血管管腔模型,并基于正常血流速度进行流体动力学分析计算血流储备分数,得到所述第二回撤曲线,所述正常血流速度可以预先确定。
在一个可能的实施例中,所述基于所述血管外部影像确定所述待检测血管段的血流储备分数及其对应的第二回撤曲线可以包括:
获取所述待检测血管段的血流速度;
基于所述血管外部影像和所述血流速度确定所述待检测血管段的血流储备分数及其对应的第二回撤曲线。
具体地,所述待检测血管段的血流速度的确定方法与步骤S2411中类似,本发明实施例在此不再赘述。在获取到所述待检测血管段的血流速度后,可以利用所述血流速度优化基于所述血管外部影像计算血流储备分数的计算过程,从而得到精确度更高的血流储备分数及第二回撤曲线。
在另一个可能的实施例中,所述基于所述血管外部影像确定所述待检测血管段的血流储备分数及其对应的第二回撤曲线可以包括:
获取所述待检测血管段的第二分支血管信息,所述第二分支血管信息包括基于所述血管腔内影像得到的分支开口信息,以及基于所述血管外部影像得到的分支信息;
基于所述血管外部影像和所述第二分支血管信息确定所述待检测血管段的血流储备分数及其对应的第二回撤曲线。
具体地,可以通过现有技术中的各种分支识别方法(如基于人工智能的分支识别方法等),对所述血管外部影像进行分支识别,得到所述待检测血管段的分支信息,并且对所述血管腔内影像进行分支识别,得到所述感兴趣血管段的分支开口信息,再利用所述配准信息确定所述感兴趣血管段中,对应于所述待检测血管段的血管段的分支开口信息,作为所述待检测血管段的分支开口信息。得到所述待检测血管段的第二分支血管信息后,可以利用所述第二分支血管信息优化基于所述血管外部影像计算血流储备分数的计算过程,从而得到精确度更高的血流储备分数及第二回撤曲线。例如,可以利用所述第二分支血管信息优化重建第二血管管腔模型的过程。
在另一个可能的实施例中,还可以利用所述待检测血管段的血流速度和所述待检测血管段的第二分支血管信息同时优化基于所述血管外部影像计算血流储备分数的计算过程,从而得到精确度更高的血流储备分数及第二回撤曲线。例如,可以利用所述第二分支血管信息优化重建第二血管管腔模型的过程,并基于所述待检测血管段的血流速度进行流体动力学分析计算血流储备分数,得到所述第二回撤曲线。
S2413:利用所述配准结果,基于所述第一回撤曲线和所述第二回撤曲线确定基于多模态医学影像的目标血流储备分数。
由于基于血管腔内影像计算的血流储备分数具有较好的局部精度,基于血管外部影像计算的血流储备分数可以表达完整的血管段,因此可以将基于血管腔内影像计算的血流储备分数和基于血管外部影像计算的血流储备分数进行融合,得到兼具血管段完整性与局部精确度的目标血流储备分数。
本发明实施例中,所述利用所述配准结果,基于所述第一回撤曲线和所述第二回撤曲线确定基于多模态医学影像的目标血流储备分数可以包括:
基于所述第一回撤曲线确定第一血流储备分数序列,所述第一血流储备分数序列对应于所述血管腔内影像中感兴趣血管段的第一血管位置序列;
基于所述第二回撤曲线确定第二血流储备分数序列,所述第二血流储备分数序列对应于所述血管外部影像中待检测血管段的第二血管位置序列,所述第二血管位置序列与所述第一血管位置序列至少部分重合;
利用所述配准结果,将所述第一血流储备分数序列和所述第二血流储备分数序列进行融合,得到目标血流储备分数序列;
基于所述目标血流储备分数序列确定基于多模态医学影像的目标血流储备分数。
在实际应用中,可以在所述血管外部影像中,从所述待检测血管段的近端开始,对所述待检测血管段的外部管腔进行均匀采样,得到所述待检测血管段的第二血管位置序列,并基于所述第二回撤曲线确定所述第二血管位置序列中各个血管位置对应的待检测血管段的血流储备分数,得到所述第二血流储备分数序列。然后,可以确定所述第二血管位置序列中位于与所述感兴趣血管段对应的第一目标血管段的血管位置子序列,将所述血管位置子序列作为所述第一血管位置序列的子序列,对于所述感兴趣血管段中超出所述待检测血管段范围的部分,可以以同样的采样间隔进行均匀采样,即可得到所述第一血管位置序列。再利用所述配准结果,基于所述第一回撤曲线确定所述第一血管位置序列中各个血管位置对应的感兴趣血管段的血流储备分数,得到所述第一血流储备分数序列。
需要说明的是,在采样过程中,一个优选实施方式是将所述待检测血管段的近端端点作为第一个采样位置,将所述待检测血管段的远端端点作为最后一个采样位置,并且使得所述感兴趣血管段的近端端点和远端端点也包含在所述第二血管位置序列中,但上述优选实施方式并非对采样位置进行限制,在实际工作中,所述第二血管位置序列可以包括所述待检测血管段的近端端点和远端端点,以及所述感兴趣血管段的近端端点和远端端点中的一个或多个位置,也可以不包括其中任何一个位置,本发明实施例对此不作限制。
具体地,所述利用所述配准结果,将所述第一血流储备分数序列和所述第二血流储备分数序列进行融合,得到目标血流储备分数序列包括:
基于所述第一血流储备分数序列计算第一差值序列,所述第一差值序列中的值为所述第一血流储备分数序列中对应位置的血流储备分数相对于前一位置的血流储备分数的降低值;
基于所述第二血流储备分数序列计算第二差值序列,所述第二差值序列中的值为所述第二血流储备分数序列中对应位置的血流储备分数相对于前一位置的血流储备分数的降低值;
利用所述配准结果,将所述第一差值序列与所述第二差值序列进行融合,得到目标差值序列;
根据所述目标差值序列确定所述目标血流储备分数序列。
在实际应用中,由于所述待检测血管段与所述感兴趣血管段至少部分重合,那么在实际应用中可能会出现以下几种情况:
在第一种情况下,所述感兴趣血管段为所述待检测血管段中的一部分血管段,此时,所述利用所述配准结果,将所述第一差值序列与所述第二差值序列进行融合,得到目标差值序列可以包括:利用所述配准结果确定所述第二差值序列中与所述第一差值序列对应的目标子序列;利用所述第一差值序列替换所述第二差值序列中的目标子序列,得到所述目标差值序列。
示例性地,结合参考说明书附图4,假设基于所述第一回撤曲线确定第一血流储备分数序列为{1,0.99,0.98,0.97},基于所述第二回撤曲线确定的第二血流储备分数序列为{1,0.98,0.96,0.94,0.92,0.90,0.88,0.86,0.84,0.82,0.80},那么:
第一步,可以计算得到第一差值序列为{0,0.01,0.01,0.01},第二差值序列为{0,0.02,0.02,0.02,0.02,0.02,0.02,0.02,0.02,0.02,0.02}。
第二步,可以根据配准结果确定所述第二差值序列中与所述第一差值序列对应的目标子序列为第3个序列值至第6个序列值组成的子序列{0.02,0.02,0.02,0.02},那么可以利用所述第一差值序列替换所述目标子序列,得到目标差值序列{0,0.02,0,0.01,0.01,0.01,0.02,0.02,0.02,0.02,0.02}。
在第二种情况下,所述待检测血管段仅包括所述感兴趣血管段近端或远端的一部分血管段,此时所述利用所述配准结果,将所述第一差值序列与所述第二差值序列进行融合,得到目标差值序列可以包括:利用所述配准结果确定所述第一差值序列中与所述第二差值序列对应的第一子序列,以及所述第二差值序列中与所述第一差值序列对应的第二子序列;利用所述第一子序列替换所述第二差值序列中的第二子序列,得到所述目标差值序列。
可选择地,利用所述第一子序列替换所述第二差值序列中的第二子序列后,还可以将所述第一差值序列中除了所述第一子序列以外的差值序列补入替换得到的差值序列,最终得到所述目标差值序列。
示例性地,假设计算得到第一差值序列为{0,0.01,0.01,0.01},第二差值序列为{0,0.02,0.02,0.02,0.02,0.02,0.02,0.02,0.02,0.02,0.02},根据配准结果确定所述第一差值序列中与所述第二差值序列对应的第一子序列为第3个序列值至第4个序列值组成的子序列{0.01,0.01},所述第二差值序列中与所述第一差值序列对应的第二子序列为第1个序列值至第2个序列值组成的子序列{0,0.02},那么可以利用所述第一子序列替换所述第二差值序列中的第二子序列,得到目标差值序列{0.01,0.01,0.02,0.02,0.02,0.02,0.02,0.02,0.02,0.02,0.02}。
可选择地,还可以将所述第一差值序列中除了所述第一子序列以外的差值序列{0,0.01}补入替换得到的差值序列,最终得到目标差值序列{0,0.01,0.01,0.01,0.02,0.02,0.02,0.02,0.02,0.02,0.02,0.02,0.02}。
在第三种情况下,所述待检测血管段为所述感兴趣血管段中的一部分血管段,此时所述利用所述配准结果,将所述第一差值序列与所述第二差值序列进行融合,得到目标差值序列可以包括:利用所述配准结果确定所述第一差值序列中与所述第二差值序列对应的目标子序列;利用所述第二差值序列替换所述第一差值序列中的目标子序列,得到所述目标差值序列。
在第四种情况下,所述待检测血管段与所述感兴趣血管段为同一血管段,此时所述利用所述配准结果,将所述第一差值序列与所述第二差值序列进行融合,得到目标差值序列可以包括:对所述第一差值序列与所述第二差值序列中位置对应的两个差值求平均值或者加权平均值,得到该位置对应的目标差值,最终得到所述目标差值序列。
示例性地,假设计算得到第一差值序列为{0,0.01,0.01,0.01},第二差值序列为{0,0.02,0.02,0.02},那么可以对所述第一差值序列与所述第二差值序列中位置对应的两个差值求平均值,得到目标差值序列{0,0.015,0.015,0.015}。
需要说明的是,在一些可能的实施例中,在第一至第三种情况中,对于所述第一差值序列与所述第二差值序列中位置对应的部分,也可以采用求平均值或者加权平均值等方式来得到各个位置对应的目标差值,本发明实施例对此不作限制。
在实际应用中,根据所述目标差值序列确定所述目标血流储备分数序列可以包括:利用所述第二血流储备分数序列中的第一个位置的血流储备分数,减去所述目标差值序列中当前位置之前(包括当前位置)的序列值之和,得到当前位置对应的血流储备分数,最终得到所述目标血流储备分数序列。
示例性地,假设目标差值序列为{0,0.02,0,0.01,0.01,0.01,0.02,0.02,0.02,0.02,0.02},那么,第一个位置的血流储备分数为1-0=1,第二个位置的血流储备分数为1-0-0.02=0.98,第三个位置的血流储备分数为1-0-0.02-0=0.98,第四个位置的血流储备分数为1-0-0.02-0-0.01=0.97,依此类推,最终可以得到目标血流储备分数序列为{1,0.98,0.98,0.97,0.96,0.95,0.93,0.91,0.89,0.87,0.85}。
具体地,所述基于所述目标血流储备分数序列确定基于多模态医学影像的目标血流储备分数可以包括:
利用所述目标血流储备分数序列进行曲线拟合,得到基于多模态医学影像的目标回撤曲线,所述目标回撤曲线为第二目标血管段中的血管位置与血流储备分数的关系曲线;
将所述目标回撤曲线中所述第二目标血管段的远端端点对应的血流储备分数作为所述目标血流储备分数。
其中,所述第二目标血管段与所述目标血流储备分数序列有关。例如当所述感兴趣血管段为所述待检测血管段中的一部分血管段时,所述第二目标血管段即为所述待检测血管段;当所述待检测血管段仅包括所述感兴趣血管段近端或远端的一部分血管段时,如果舍弃了所述感兴趣血管段超出所述待检测血管段范围的数据(即在计算所述目标血流储备分数序列时没有将所述第一差值序列中除了所述第一子序列以外的差值序列补入替换得到的差值序列),那么所述第二目标血管段即为所述待检测血管段,如果是将所述感兴趣血管段超出所述待检测血管段范围的数据补入(即在计算所述目标血流储备分数序列时将所述第一差值序列中除了所述第一子序列以外的差值序列补入替换得到的差值序列),那么所述第二目标血管段即为利用所述感兴趣血管段对所述待检测血管段进行扩展得到的一段血管段;当所述待检测血管段为所述感兴趣血管段中的一部分血管段时,所述第二目标血管段即为所述感兴趣血管段;当所述待检测血管段与所述感兴趣血管段为同一血管段时,所述第二目标血管段即为所述待检测血管段。
在实际应用中,在进行曲线拟合时,如果所述目标血流储备分数序列中不包括所述第二目标血管段的近端端点对应的血流储备分数(为1),那么可以先将其添加至所述目标血流储备分数序列中,再进行曲线拟合,以确保所述第二目标血管段的近端端点对应的血流储备分数始终为1。
在实际应用中,在进行血管位置采样时,如果将所述待检测血管段的远端端点作为第二血管位置序列的最后一个血管位置,将所述感兴趣血管段的远端端点作为第一血管位置序列的最后一个血管位置,那么可以直接将所述目标血流储备分数序列中对应于所述待检测血管段的远端端点或所述感兴趣血管段的远端端点的血流储备分数作为所述基于多模态医学影像的目标血流储备分数。
示例性地,假设根据血管腔内影像确定的感兴趣血管段的第一回撤曲线如图5A所示,根据血管外部影像确定的待检测血管段的第二回撤曲线如图5B所示,那么可以根据所述第一回撤曲线确定第一血流储备分数序列{0.99,0.98,0.97,0.965,0.96,0.955,0.95,0.93,0.91,0.89,0.87,0.85},根据所述第二回撤曲线确定的第二血流储备分数序列{0.98,0.96,0.94,0.92,0.9,0.86,0.82,0.78,0.77,0.76,0.75,0.74,0.73,0.71,0.69,0.67,0.65,0.63,0.61,0.59},通过上述方法可以得到目标血流储备分数序列{0.99,0.98,0.97,0.965,0.96,0.955,0.95,0.93,0.91,0.89,0.87,0.85,0.84,0.82,0.8,0.78,0.76,0.74,0.72,0.7},最终拟合得到的基于多模态医学影像的目标回撤曲线如图5C所示,所述目标回撤曲线不仅能够表达完整的血管段,而且具有较高的局部精确性。
其中,所述基于多模态医学影像的目标回撤曲线中最后一个点(即所述第二目标血管段的远端端点位置)对应的血流储备分数最重要,它是衡量整个血管和冠状动脉的供血情况的标准,大于0.8表示心肌供血充足,否则表示心肌供血不足。如图5C所示,所述目标血流储备分数为0.7,表示心肌供血不足。
本发明实施例通过将基于血管腔内影像确定的第一回撤曲线与基于血管外部影像确定的第二回撤曲线进行融合,得到基于多模态医学影像的目标回撤曲线以及目标血流储备分数,不仅能够表达完整的血管段,而且具有较高的局部精确性,其准确度与稳定性均高于基于单一医学影像计算的血流储备分数,能够更准确地评估心肌的缺血情况,确定血管狭窄病变的情况。
在一个可能的实施例中,结合参考说明书附6,所述利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数可以包括:
S2421:在所述血管腔内影像中获取所述感兴趣血管段的第一特征信息,所述第一特征信息包括所述感兴趣血管段的内部管腔信息;
S2422:在所述血管外部影像中获取所述待检测血管段的第二特征信息,所述第二特征信息包括所述待检测血管段的外部管腔信息;
S2423:利用所述配准结果,基于所述第一特征信息和所述第二特征信息计算基于多模态医学影像的目标血流储备分数
具体地,所述第一特征信息还可以包括所述感兴趣血管段的分支开口信息、组织学信息或血管斑块信息等,所述第二特征信息还可以包括所述待检测血管段的分支信息或应力信息等。所述第一特征信息和所述第二特征信息的获取方法与步骤S230中类似,本发明实施例在此不再赘述。
可选择地,可以先基于所述第一特征信息重建出第一血管管腔模型,基于所述第二特征信息重建出第二血管管腔模型,再利用所述配准结果将所述第一血管管腔模型和所述第二血管管腔模型进行融合,得到目标管腔模型,并基于所述待检测血管段的血流速度进行流体动力学分析计算血流储备分数,得到对应的基于多模态医学影像的目标回撤曲线以及目标血流储备分数。其中,所述待检测血管段的血流速度的确定方法与步骤S2411中类似,本发明实施例在此不再赘述。
可选择地,可以利用所述配准结果,基于所述第一特征信息和所述第二特征信息,重建出第三血管管腔模型,并基于所述待检测血管段的血流速度进行流体动力学分析计算血流储备分数,得到对应的基于多模态医学影像的目标回撤曲线以及目标血流储备分数。其中,所述待检测血管段的血流速度的确定方法与步骤S2411中类似,本发明实施例在此不再赘述。
在另一个可能的实施例中,结合参考说明书附图7,所述利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数包括:
S2431:利用所述配准结果,将所述血管腔内影像和所述血管外部影像进行图像融合,得到融合影像;
S2432:在所述融合影像中获取所述待检测血管段的融合特征信息,所述融合特征信息包括融合管腔信息;
S2433:基于所述融合特征信息计算基于多模态医学影像的目标血流储备分数。
具体地,所述融合管腔信息可以包括血管各处的血管直径和血管长度,所述血管直径是指根据融合影像获得的血管直径,所述血管长度为血管上某一处到所述融合影像中的血管的近端端点的沿着血管轴线的长度。
可选择地,所述融合特征信息还可以包括融合分支信息、组织学信息或血管斑块信息等,所述融合特征信息的获取方法与步骤S230中类似,本发明实施例在此不再赘述。
具体地,可以基于所述融合特征信息重建出第四血管管腔模型,并基于所述待检测血管段的血流速度进行流体动力学分析计算血流储备分数,得到对应的基于多模态医学影像的目标回撤曲线以及目标血流储备分数。其中,所述待检测血管段的血流速度的确定方法与步骤S2411中类似,本发明实施例在此不再赘述。
综上所述,根据本发明实施例的基于多模态医学影像的FFR确定方法,通过对血管腔内影像和血管外部影像进行配准,利用配准结果整合血管腔内影像和血管外部影像的优势信息,来优化血流储备分数的计算,能够得到基于多模态医学影像的兼具血管段的完整性与局部精确性的血流储备分数,从而提高血流储备分数计算的准确度与稳定性。
此外,通过基于多种医学影像进行融合计算得到一个血流储备分数,还可以解决同一根血管基于不同的医学影像,会计算出不同的血流储备分数,进而导致的选择与统一问题,且本发明实施例的基于多模态医学影像的FFR确定方法选取了各种医学影像对于血管表达的优势信息,其计算得到的血流储备分数的准确度与稳定性,均高于基于单一医学影像计算的血流储备分数。
参考说明书附图8,其示出了本发明一个实施例提供的一种基于多模态医学影像的FFR确定装置800的结构。如图8所示,所述装置800可以包括:
血管腔内影像获取模块810,用于获取包括感兴趣血管段的血管腔内影像;
血管外部影像获取模块820,用于获取包括待检测血管段的血管外部影像,所述待检测血管段与所述感兴趣血管段至少部分重合;
配准模块830,用于对所述血管腔内影像和所述血管外部影像进行配准,得到配准结果;
血流储备分数确定模块840,用于利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与相应方法实施例属于同一构思,其具体实现过程详见对应方法实施例,这里不再赘述。
本发明一个实施例还提供了一种电子设备,该电子设备包括处理器和存储器,该存储器中存储有至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的基于多模态医学影像的FFR确定方法。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、功能所需的应用程序等;存储数据区可存储根据所述设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器还可以包括存储器控制器,以提供处理器对存储器的访问。
在一个具体的实施例中,图9示出了一种用于实现本发明实施例所提供的基于多模态医学影像的FFR确定方法的电子设备的硬件结构示意图,所述电子设备可以为计算机终端、移动终端或其它设备,所述电子设备还可以参与构成或包含本发明实施例所提供的基于多模态医学影像的FFR确定装置。如图9所示,所述电子设备900可以包括一个或一个以上计算机可读存储介质的存储器910、一个或者一个以上处理核心的处理器920、输入单元930、显示单元940、射频(Radio Frequency,RF)电路950、无线保真(wireless fidelity,WiFi)模块960以及电源970等部件。本领域技术人员可以理解,图9中示出的电子设备结构并不构成对电子设备900的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
所述存储器910可用于存储软件程序以及模块,所述处理器920通过运行或执行存储在所述存储器910的软件程序以及模块,以及调用存储在存储器910内的数据,从而执行各种功能应用以及数据处理。所述存储器910可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据所述电子设备的使用所创建的数据等。此外,存储器910可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器910还可以包括存储器控制器,以提供处理器920对存储器910的访问。
所述处理器920是电子设备900的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器910内的软件程序和/或模块,以及调用存储在存储器910内的数据,执行电子设备900的各种功能和处理数据,从而对电子设备900进行整体监控。所述处理器920可以是中央处理器,还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述输入单元930可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,输入单元930可包括触敏表面931以及其他输入设备932。具体地,触敏表面931可以包括但不限于触感板或者触摸屏,其他输入设备932可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
所述显示单元940可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元940可包括显示面板941,可选的,可以采用液晶显示器(Liquid CrystalDisplay,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板941。
所述RF电路950可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器920处理;另外,将涉及上行的数据发送给基站。通常,RF电路950包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、低噪声放大器(Low Noise Amplifier,LNA)、双工器等。此外,RF电路950还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯***(Global System of Mobilecommunication,GSM)、通用分组无线服务(General Packet Radio Service,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband Code DivisionMultiple Access,WCDMA)、长期演进(Long Term Evolution,LTE)、电子邮件、短消息服务(Short Messaging Service,SMS)等。
WiFi属于短距离无线传输技术,电子设备900通过WiFi模块960可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图9示出了WiFi模块960,但是可以理解的是,其并不属于电子设备900的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
所述电子设备900还包括给各个部件供电的电源970(比如电池),优选的,电源可以通过电源管理***与处理器920逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源970还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
需要说明的是,尽管未示出,所述电子设备900还可以包括蓝牙模块等,在此不再赘述。
本发明一个实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质可设置于电子设备之中以保存用于实现一种基于多模态医学影像的FFR确定方法相关的至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的基于多模态医学影像的FFR确定方法。
可选地,在本发明实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本发明一个实施例还提供了一种计算机程序产品或计算机程序,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例中提供的基于多模态医学影像的FFR确定方法。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种基于多模态医学影像的FFR确定方法,其特征在于,包括:
获取包括感兴趣血管段的血管腔内影像;
获取包括待检测血管段的血管外部影像,所述待检测血管段与所述感兴趣血管段至少部分重合;
对所述血管腔内影像和所述血管外部影像进行配准,得到配准结果;
利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数。
2.根据权利要求1所述的方法,其特征在于,所述对所述血管腔内影像和所述血管外部影像进行配准,得到配准结果包括:
在所述血管腔内影像中获取所述感兴趣血管段的第一特征信息,所述第一特征信息包括所述感兴趣血管段的内部管腔信息;
在所述血管外部影像中获取所述待检测血管段的第二特征信息,所述第二特征信息包括所述待检测血管段的外部管腔信息;
基于所述第一特征信息和所述第二特征信息进行配准,得到配准结果。
3.根据权利要求1所述的方法,其特征在于,所述利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数包括:
基于所述血管腔内影像确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线;
基于所述血管外部影像确定所述待检测血管段的血流储备分数对应的第二回撤曲线;
利用所述配准结果,基于所述第一回撤曲线和所述第二回撤曲线确定基于多模态医学影像的目标血流储备分数。
4.根据权利要求3所述的方法,其特征在于,所述基于所述血管腔内影像确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线包括:
获取所述待检测血管段的血流速度;
基于所述血管腔内影像和所述血流速度确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线。
5.根据权利要求3所述的方法,其特征在于,所述基于所述血管腔内影像确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线包括:
获取所述感兴趣血管段的第一分支血管信息,所述第一分支血管信息包括基于所述血管腔内影像得到的分支开口信息,以及基于所述血管外部影像得到的分支信息;
基于所述血管腔内影像和所述第一分支血管信息确定所述感兴趣血管段的血流储备分数对应的第一回撤曲线。
6.根据权利要求3所述的方法,其特征在于,所述基于所述血管外部影像确定所述待检测血管段的血流储备分数及其对应的第二回撤曲线包括:
获取所述待检测血管段的血流速度;
基于所述血管外部影像和所述血流速度确定所述待检测血管段的血流储备分数及其对应的第二回撤曲线。
7.根据权利要求3所述的方法,其特征在于,所述基于所述血管外部影像确定所述待检测血管段的血流储备分数及其对应的第二回撤曲线包括:
获取所述待检测血管段的第二分支血管信息,所述第二分支血管信息包括基于所述血管腔内影像得到的分支开口信息,以及基于所述血管外部影像得到的分支信息;
基于所述血管外部影像和所述第二分支血管信息确定所述待检测血管段的血流储备分数及其对应的第二回撤曲线。
8.根据权利要求3所述的方法,其特征在于,所述利用所述配准结果,基于所述第一回撤曲线和所述第二回撤曲线确定基于多模态医学影像的目标血流储备分数包括:
基于所述第一回撤曲线确定第一血流储备分数序列,所述第一血流储备分数序列对应于所述血管腔内影像中感兴趣血管段的第一血管位置序列;
基于所述第二回撤曲线确定第二血流储备分数序列,所述第二血流储备分数序列对应于所述血管外部影像中待检测血管段的第二血管位置序列,所述第二血管位置序列与所述第一血管位置序列至少部分重合;
利用所述配准结果,将所述第一血流储备分数序列和所述第二血流储备分数序列进行融合,得到目标血流储备分数序列;
基于所述目标血流储备分数序列确定基于多模态医学影像的目标血流储备分数。
9.根据权利要求8所述的方法,其特征在于,所述利用所述配准结果,将所述第一血流储备分数序列和所述第二血流储备分数序列进行融合,得到目标血流储备分数序列包括:
基于所述第一血流储备分数序列计算第一差值序列,所述第一差值序列中的值为所述第一血流储备分数序列中对应位置的血流储备分数相对于前一位置的血流储备分数的降低值;
基于所述第二血流储备分数序列计算第二差值序列,所述第二差值序列中的值为所述第二血流储备分数序列中对应位置的血流储备分数相对于前一位置的血流储备分数的降低值;
利用所述配准结果,将所述第一差值序列与所述第二差值序列进行融合,得到目标差值序列;
根据所述目标差值序列确定所述目标血流储备分数序列。
10.根据权利要求1所述的方法,其特征在于,所述利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数包括:
在所述血管腔内影像中获取所述感兴趣血管段的第一特征信息,所述第一特征信息包括所述感兴趣血管段的内部管腔信息;
在所述血管外部影像中获取所述待检测血管段的第二特征信息,所述第二特征信息包括所述待检测血管段的外部管腔信息;
利用所述配准结果,基于所述第一特征信息和所述第二特征信息计算基于多模态医学影像的目标血流储备分数。
11.根据权利要求1所述的方法,其特征在于,所述利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数包括:
利用所述配准结果,将所述血管腔内影像和所述血管外部影像进行图像融合,得到融合影像;
在所述融合影像中获取所述待检测血管段的融合特征信息,所述融合特征信息包括融合管腔信息;
基于所述融合特征信息计算基于多模态医学影像的目标血流储备分数。
12.一种基于多模态医学影像的FFR确定装置,其特征在于,包括:
血管腔内影像获取模块,用于获取包括感兴趣血管段的血管腔内影像;
血管外部影像获取模块,用于获取包括待检测血管段的血管外部影像,所述待检测血管段与所述感兴趣血管段至少部分重合;
配准模块,用于对所述血管腔内影像和所述血管外部影像进行配准,得到配准结果;
血流储备分数确定模块,用于利用所述配准结果,基于所述血管腔内影像和所述血管外部影像确定基于多模态医学影像的目标血流储备分数。
13.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1-11任意一项所述的基于多模态医学影像的FFR确定方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-11任意一项所述的基于多模态医学影像的FFR确定方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111073928.9A CN113616160B (zh) | 2021-09-14 | 2021-09-14 | 基于多模态医学影像的ffr确定方法、装置、设备及介质 |
EP22868936.0A EP4403092A1 (en) | 2021-09-14 | 2022-08-17 | Ffr determination method and apparatus based on multi-modal medical image, device, and medium |
PCT/CN2022/113089 WO2023040560A1 (zh) | 2021-09-14 | 2022-08-17 | 基于多模态医学影像的ffr确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111073928.9A CN113616160B (zh) | 2021-09-14 | 2021-09-14 | 基于多模态医学影像的ffr确定方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113616160A true CN113616160A (zh) | 2021-11-09 |
CN113616160B CN113616160B (zh) | 2024-02-06 |
Family
ID=78390034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111073928.9A Active CN113616160B (zh) | 2021-09-14 | 2021-09-14 | 基于多模态医学影像的ffr确定方法、装置、设备及介质 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4403092A1 (zh) |
CN (1) | CN113616160B (zh) |
WO (1) | WO2023040560A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023040560A1 (zh) * | 2021-09-14 | 2023-03-23 | 苏州博动戎影医疗科技有限公司 | 基于多模态医学影像的ffr确定方法、装置、设备及介质 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130226003A1 (en) * | 2012-02-29 | 2013-08-29 | University Of Michigan | Fractional flow reserve estimation |
CN103932694A (zh) * | 2014-05-07 | 2014-07-23 | 霍云龙 | 精确诊断心肌血流储备分数(ffr)的方法和设备 |
US20150131886A1 (en) * | 2013-11-13 | 2015-05-14 | Pie Medical Imaging B.V. | Method and System for Registering Intravascular Images |
WO2015074018A1 (en) * | 2013-11-18 | 2015-05-21 | Volcano Corporation | Tracking an intraluminal catheter |
US20170032097A1 (en) * | 2015-07-27 | 2017-02-02 | Siemens Medical Solutions Usa, Inc. | Method and System for Enhancing Medical Image-Based Blood Flow Computations Using Physiological Measurements |
US20170140531A1 (en) * | 2015-11-18 | 2017-05-18 | Lightlab Imaging, Inc. | X-ray image feature detection and registration systems and methods |
CN107730540A (zh) * | 2017-10-09 | 2018-02-23 | 全景恒升(北京)科学技术有限公司 | 基于高精度匹配模型的冠脉参数的计算方法 |
CN108511075A (zh) * | 2018-03-29 | 2018-09-07 | 向建平 | 一种非侵入式获取血流储备分数的方法和*** |
US20190076105A1 (en) * | 2017-09-14 | 2019-03-14 | Koninklijke Philips N.V. | Hemodynamic parameters for co-registration |
CN110120031A (zh) * | 2019-04-02 | 2019-08-13 | 四川锦江电子科技有限公司 | 一种得到血管血流储备分数的方法和装置 |
CN111093504A (zh) * | 2017-09-08 | 2020-05-01 | 皇家飞利浦有限公司 | 对测量的和模拟的冠状动脉内拉回曲线的配准和比较 |
CN111134651A (zh) * | 2019-12-09 | 2020-05-12 | 杭州脉流科技有限公司 | 基于腔内影像计算血流储备分数的方法、装置、***以及计算机存储介质 |
CN111523538A (zh) * | 2020-04-14 | 2020-08-11 | 博动医学影像科技(上海)有限公司 | 一种血管图像的处理方法、***、计算设备及存储介质 |
CN111754506A (zh) * | 2020-07-01 | 2020-10-09 | 杭州脉流科技有限公司 | 基于腔内影像的冠脉狭窄率计算方法、装置、***和计算机存储介质 |
CN212365043U (zh) * | 2020-05-19 | 2021-01-15 | 深圳北芯生命科技有限公司 | 基于血管图像的数据处理*** |
CN112509020A (zh) * | 2020-12-07 | 2021-03-16 | 昆山戎影医疗科技有限公司 | 血管外部影像与腔内影像的配准方法、装置及计算设备 |
US20210077037A1 (en) * | 2019-09-17 | 2021-03-18 | Canon U.S.A., Inc. | Constructing or reconstructing 3d structure(s) |
CN112535466A (zh) * | 2020-12-16 | 2021-03-23 | 成都全景恒升科技有限公司 | 一种基于血管影像的血流储备分数计算方法 |
WO2021089810A1 (en) * | 2019-11-06 | 2021-05-14 | Philips Image Guided Therapy Corporation | Co-registration of intravascular data and multi-segment vasculature, and associated devices, systems, and methods |
CN113180631A (zh) * | 2021-04-29 | 2021-07-30 | 博动医学影像科技(上海)有限公司 | 基于血管内成像的血流速度、血流储备分数的分析方法 |
CN113367715A (zh) * | 2020-03-10 | 2021-09-10 | 通用电气精准医疗有限责任公司 | 用于血管造影投影与计算机断层摄影数据的配准的***和方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN209269681U (zh) * | 2018-01-05 | 2019-08-20 | 博动医学影像科技(上海)有限公司 | 定量血流分数分析装置 |
CN113616160B (zh) * | 2021-09-14 | 2024-02-06 | 苏州博动戎影医疗科技有限公司 | 基于多模态医学影像的ffr确定方法、装置、设备及介质 |
-
2021
- 2021-09-14 CN CN202111073928.9A patent/CN113616160B/zh active Active
-
2022
- 2022-08-17 WO PCT/CN2022/113089 patent/WO2023040560A1/zh active Application Filing
- 2022-08-17 EP EP22868936.0A patent/EP4403092A1/en active Pending
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130226003A1 (en) * | 2012-02-29 | 2013-08-29 | University Of Michigan | Fractional flow reserve estimation |
US20150131886A1 (en) * | 2013-11-13 | 2015-05-14 | Pie Medical Imaging B.V. | Method and System for Registering Intravascular Images |
WO2015074018A1 (en) * | 2013-11-18 | 2015-05-21 | Volcano Corporation | Tracking an intraluminal catheter |
CN103932694A (zh) * | 2014-05-07 | 2014-07-23 | 霍云龙 | 精确诊断心肌血流储备分数(ffr)的方法和设备 |
US20170032097A1 (en) * | 2015-07-27 | 2017-02-02 | Siemens Medical Solutions Usa, Inc. | Method and System for Enhancing Medical Image-Based Blood Flow Computations Using Physiological Measurements |
US20170140531A1 (en) * | 2015-11-18 | 2017-05-18 | Lightlab Imaging, Inc. | X-ray image feature detection and registration systems and methods |
US20170135663A1 (en) * | 2015-11-18 | 2017-05-18 | Lightlab Imaging, Inc. | X-ray image feature detection and registration systems and methods |
CN111093504A (zh) * | 2017-09-08 | 2020-05-01 | 皇家飞利浦有限公司 | 对测量的和模拟的冠状动脉内拉回曲线的配准和比较 |
US20190076105A1 (en) * | 2017-09-14 | 2019-03-14 | Koninklijke Philips N.V. | Hemodynamic parameters for co-registration |
CN107730540A (zh) * | 2017-10-09 | 2018-02-23 | 全景恒升(北京)科学技术有限公司 | 基于高精度匹配模型的冠脉参数的计算方法 |
CN108511075A (zh) * | 2018-03-29 | 2018-09-07 | 向建平 | 一种非侵入式获取血流储备分数的方法和*** |
CN110120031A (zh) * | 2019-04-02 | 2019-08-13 | 四川锦江电子科技有限公司 | 一种得到血管血流储备分数的方法和装置 |
US20210077037A1 (en) * | 2019-09-17 | 2021-03-18 | Canon U.S.A., Inc. | Constructing or reconstructing 3d structure(s) |
WO2021089810A1 (en) * | 2019-11-06 | 2021-05-14 | Philips Image Guided Therapy Corporation | Co-registration of intravascular data and multi-segment vasculature, and associated devices, systems, and methods |
CN111134651A (zh) * | 2019-12-09 | 2020-05-12 | 杭州脉流科技有限公司 | 基于腔内影像计算血流储备分数的方法、装置、***以及计算机存储介质 |
CN113367715A (zh) * | 2020-03-10 | 2021-09-10 | 通用电气精准医疗有限责任公司 | 用于血管造影投影与计算机断层摄影数据的配准的***和方法 |
CN111523538A (zh) * | 2020-04-14 | 2020-08-11 | 博动医学影像科技(上海)有限公司 | 一种血管图像的处理方法、***、计算设备及存储介质 |
CN212365043U (zh) * | 2020-05-19 | 2021-01-15 | 深圳北芯生命科技有限公司 | 基于血管图像的数据处理*** |
CN111754506A (zh) * | 2020-07-01 | 2020-10-09 | 杭州脉流科技有限公司 | 基于腔内影像的冠脉狭窄率计算方法、装置、***和计算机存储介质 |
CN112509020A (zh) * | 2020-12-07 | 2021-03-16 | 昆山戎影医疗科技有限公司 | 血管外部影像与腔内影像的配准方法、装置及计算设备 |
CN112535466A (zh) * | 2020-12-16 | 2021-03-23 | 成都全景恒升科技有限公司 | 一种基于血管影像的血流储备分数计算方法 |
CN113180631A (zh) * | 2021-04-29 | 2021-07-30 | 博动医学影像科技(上海)有限公司 | 基于血管内成像的血流速度、血流储备分数的分析方法 |
Non-Patent Citations (1)
Title |
---|
涂圣贤等: "血管内光学成像与血流的融合:冠心病介入诊疗评估新技术研制", 《中国医学物理学杂志》, vol. 33, no. 12, pages 1208 - 1211 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023040560A1 (zh) * | 2021-09-14 | 2023-03-23 | 苏州博动戎影医疗科技有限公司 | 基于多模态医学影像的ffr确定方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113616160B (zh) | 2024-02-06 |
EP4403092A1 (en) | 2024-07-24 |
WO2023040560A1 (zh) | 2023-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11622812B2 (en) | Systems and methods for correction of artificial deformation in anatomic modeling | |
Tearney et al. | Porcine coronary imaging in vivo by optical coherence tomography. | |
US11031136B2 (en) | Assistance device and method for an interventional hemodynamic measurement | |
CN109934220B (zh) | 一种影像兴趣点的展示方法、装置及终端 | |
US20130297331A1 (en) | Medical Imaging Guideline Compliance System | |
CN109754397B (zh) | 血管段中心路径的提取方法、装置、终端设备及存储介质 | |
CN113628207B (zh) | 一种图像区域分割方法、装置、设备及存储介质 | |
WO2023040560A1 (zh) | 基于多模态医学影像的ffr确定方法、装置、设备及介质 | |
US20240032880A1 (en) | Methods and systems for determining hemodynamic information for one or more arterial segments | |
US20220277455A1 (en) | Methods and Systems for Determining Coronary Hemodynamic Characteristic(s) That is Predictive of Myocardial Infarction | |
CN113706560A (zh) | 一种缺血区分割方法、装置、设备及存储介质 | |
Padwal | Cuffless blood pressure measurement: how did accuracy become an afterthought? | |
US20200126649A1 (en) | Data processing apparatus, data processing method, and data processing program | |
CN107358038B (zh) | 一种通过配置文件整合应用的方法和装置 | |
CN116313112A (zh) | 血管压力差、微循环阻力分析方法、装置、设备及介质 | |
JP7164423B2 (ja) | 医用画像処理装置、x線ct装置及び医用画像処理方法 | |
CN107451412A (zh) | 信息传输方法与医学检查*** | |
Schukraft et al. | Remote blood pressure monitoring with a wearable photoplethysmographic device in patients undergoing coronary angiography: the senbiosys substudy | |
CN115375603A (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
CN112826493A (zh) | 医疗成像设备中生理信号存储方法、装置、设备和介质 | |
CN115530820B (zh) | 一种氧摄取分数测量方法、装置、设备及存储介质 | |
Fattori et al. | Diagnostic contribution of magnetic resonance in clinically suspected arrhythmogenic dysplasia of the right ventricle | |
CN113133778B (zh) | 一种对象扫描方法、装置、设备及存储介质 | |
Deitch | In vivo measurements of the internal and external diameters of the common bile duct in man. | |
CN117475344A (zh) | 超声影像截取方法、装置、终端设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: Room 301, auxiliary building 4, accelerator, No. 135, Zhangji Road, Kunshan Development Zone, Suzhou, Jiangsu 215347 Applicant after: Suzhou Bodong Rongying Medical Technology Co.,Ltd. Address before: Room 1009, North building, complex building, 1699 Zuchongzhi South Road, Yushan Town, Kunshan City, Suzhou City, Jiangsu Province Applicant before: Kunshan Rongying Medical Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |