CN116172598A - 一种血流储备分数确定方法、装置、电子设备及存储介质 - Google Patents
一种血流储备分数确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116172598A CN116172598A CN202310167202.4A CN202310167202A CN116172598A CN 116172598 A CN116172598 A CN 116172598A CN 202310167202 A CN202310167202 A CN 202310167202A CN 116172598 A CN116172598 A CN 116172598A
- Authority
- CN
- China
- Prior art keywords
- pressure value
- flow reserve
- fractional flow
- determining
- passive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 210000004351 coronary vessel Anatomy 0.000 claims abstract description 39
- 239000012530 fluid Substances 0.000 claims abstract description 24
- 239000002872 contrast media Substances 0.000 description 14
- 230000017531 blood circulation Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 201000000057 Coronary Stenosis Diseases 0.000 description 2
- OIRDTQYFTABQOQ-KQYNXXCUSA-N adenosine Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O OIRDTQYFTABQOQ-KQYNXXCUSA-N 0.000 description 2
- 210000000709 aorta Anatomy 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000004089 microcirculation Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000002126 C01EB10 - Adenosine Substances 0.000 description 1
- 102100038374 Pinin Human genes 0.000 description 1
- 101710173952 Pinin Proteins 0.000 description 1
- 229960005305 adenosine Drugs 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000000544 hyperemic effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000001361 intraarterial administration Methods 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000002966 stenotic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 229940124549 vasodilator Drugs 0.000 description 1
- 239000003071 vasodilator agent Substances 0.000 description 1
- 230000000007 visual effect 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
- A61B6/02—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
- A61B6/50—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Optics & Photonics (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Theoretical Computer Science (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Dentistry (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Vascular Medicine (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
Abstract
本公开提供了一种血流储备分数确定方法、装置、电子设备及存储介质,所述方法包括:获取携带被动标量的冠状动脉图像;基于所述冠状动脉图像确定运输所述被动标量的速度场;基于所述速度场和粘性不可压缩流体动量守恒原理确定冠状动脉口的第一压力值与感兴趣点的第二压力值;基于所述第一压力值和所述第二压力值确定血流储备分数。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种血流储备分数确定方法、装置、电子设备及存储介质。
背景技术
血流储备分数(Fractional Flow Reserve,FFR)是评价冠状动脉缺血的重要标准,对指导多种复杂病变的介入治疗具有重要意义,和人体健康息息相关。
相关技术中,对血流储备分数进行预测,主要分为有创的血流储备分数确定技术和无创的血流储备分数确定技术两大类,如:有创的基于导丝的血流储备分数测量以及无创或微创的影像血流储备分数测量。然而,有创的血流储备分数确定技术依赖于获取的数据质量,而获取有创的数据存在一定难度,通过有创获取的数据的质量更是难以保障;无创的血流储备分数确定技术则存在计算耗时较长,流程复杂的问题。因此,在血流储备分数确定的过程中,平衡数据质量和计算时长,提高预测的准确度,仍是关注的重点。
发明内容
本公开提供了一种血流储备分数确定方法、装置、电子设备及存储介质,以至少解决现有技术中存在的以上技术问题。
根据本公开的第一方面,提供了一种血流储备分数确定方法,所述方法包括:获取携带被动标量的冠状动脉图像;基于所述冠状动脉图像确定运输所述被动标量的速度场;基于所述速度场和粘性不可压缩流体动量守恒原理确定冠状动脉口的第一压力值与感兴趣点的第二压力值;基于所述第一压力值和所述第二压力值确定血流储备分数。
在一可实施方式中,所述基于所述冠状动脉图像确定运输所述被动标量的速度场,包括:获取所述冠状动脉图像中被动标量的运输轨迹;基于所述被动标量的运输轨迹,确定所述被动标量的速度场。
在一可实施方式中,所述获取所述冠状动脉图像中被动标量的运输轨迹,包括:获取所述被动标量在三维空间中随时间变化的运输轨迹。
在一可实施方式中,所述基于所述速度场和粘性不可压缩流体动量守恒原理确定冠状动脉口的第一压力值与感兴趣点的第二压力值,包括:基于粘性不可压缩流体动量守恒原理,确定所述速度场对应的三个速度分量的纳维-斯托克斯(Navier-Stokesequations,N-S)方程;求解所述N-S方程,得到所述第一压力值和所述第二压力值。
在一可实施方式中,所述基于所述第一压力值和所述第二压力值确定血流储备分数,包括:确定所述第一压力值和所述第二压力值之比,为所述血流储备分数。
根据本公开的第二方面,提供了一种血流储备分数确定装置,所述装置包括:获取模块,用于获取携带被动标量的冠状动脉图像;速度场确定模块,用于基于所述冠状动脉图像确定运输所述被动标量的速度场;压力值确定模块,用于基于所述速度场和粘性不可压缩流体动量守恒原理确定冠状动脉口的第一压力值与感兴趣点的第二压力值;血流储备分数确定模块,用于基于所述第一压力值和所述第二压力值确定血流储备分数。
在一可实施方式中,所述速度场确定模块,包括:运输轨迹获取子模块,用于获取所述冠状动脉图像中被动标量的运输轨迹;所述速度场确定模块,具体用于基于所述被动标量的运输轨迹,确定所述被动标量的速度场。
在一可实施方式中,所述运输轨迹获取子模块,具体用于获取所述被动标量在三维空间中随时间变化的运输轨迹。
在一可实施方式中,所述压力值确定模块,具体用于基于粘性不可压缩流体动量守恒原理,确定所述速度场对应的三个速度分量的N-S方程;还具体用于求解所述N-S方程,得到所述第一压力值和所述第二压力值。
在一可实施方式中,所述血流储备分数确定模块,具体用于确定所述第一压力值和所述第二压力值之比,为所述血流储备分数。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本公开所述的方法。
本公开的血流储备分数确定方法、装置、电子设备及存储介质,通过基于携带被动标量的冠状动脉图像来确定血流储备分数,在降低了数据获取难度的基础上,减少了确定血流储备分数过程中对数据的需求量,克服了无创的血流储备分数确定技术存在计算耗时较长,流程复杂的问题,有效提高了确定血流储备分数的准确度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过参考附图阅读下文的详细描述,本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本公开的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本公开实施例一种血流储备分数确定方法的一种处理流程示意图;
图2示出了本公开实施例一种血流储备分数确定方法的另一种处理流程示意图;
图3示出了本公开实施例一种血流储备分数确定方法的再一种处理流程示意图;
图4示出了本公开实施例一种血流储备分数确定方法的又一种可选流程示意图;
图5示出了本公开实施例一种血流储备分数确定装置的组成结构示意图;
图6示出了本公开实施例一种电子设备的组成结构示意图。
具体实施方式
为使本公开的目的、特征、优点能够更加的明显和易懂,下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而非全部实施例。基于本公开中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
图1示出了本公开实施例一种血流储备分数确定方法的一种处理流程示意图。
参考图1,本公开实施例血流储备分数确定方法的一种处理流程,至少包括以下步骤:
步骤S101,获取携带被动标量的冠状动脉图像。
在一些实施例中,提取冠状动脉计算机断层扫描(Computed Tomography,CT)图像中携带被动标量的冠状动脉图像。其中,携带被动标量的冠状动脉图像可以是携带造影剂的冠状动脉图像。
步骤S102,基于冠状动脉图像确定运输被动标量的速度场。
图2示出了本公开实施例一种血流储备分数确定方法的另一种处理流程示意图。
参考图2,在一些实施例中,基于冠状动脉图像确定运输被动标量的速度场的具体实现过程至少可以包括:
步骤S102a,获取冠状动脉图像中被动标量的运输轨迹;
在一些实施例中,获取冠状动脉图像中被动标量的运输轨迹的具体实现过程至少可以包括:
获取被动标量在三维空间中随时间变化的运输轨迹。
在一些实施例中,定义被动标量在三维空间中随时间变化的运输轨迹为c(t,x,y,z),即被动标量的位置随时间变化的函数,t为时间,x,y,z为被动标量所在三维空间坐标点对应的坐标值。
步骤S102b,基于被动标量的运输轨迹,确定被动标量的速度场。
在一些实施例中,被动标量在三维空间中随时间变化的运输轨迹具有速度场V(t,x,y,z)=[u(t,x,y,z),v(t,x,y,z),w(t,x,y,z)],其中,u,v和w是速度矢量V的三个分量。确定冠状动脉图像中被动标量的坐标为其中,N为从冠状动脉图像中获取的被动标量的坐标点的数量,即数据点的数量,t为时间,x,y,z为被动标量所在三维空间坐标点对应的坐标值。
步骤S103,基于速度场和粘性不可压缩流体动量守恒原理确定冠状动脉口的第一压力值与感兴趣点的第二压力值。
在一些实施例中,将冠状动脉狭窄发生区域确定为感兴趣点。
图3示出了本公开实施例一种血流储备分数确定方法的再一种处理流程示意图。
参考图3,在一些实施例中,基于速度场和粘性不可压缩流体动量守恒原理确定冠状动脉口的第一压力值与感兴趣点的第二压力值的具体实现过程至少可以包括:
步骤S103a,基于粘性不可压缩流体动量守恒原理,确定速度场对应的三个速度分量的N-S方程;
在一些实施例中,将被动标量视为流体,获取被动标量在t时刻的速度矢量V,根据速度矢量V确定被动标量在点(x,y,z)处的速度分量,再结合粘性不可压缩流体动量守恒原理,确定三个速度分量所对应的N-S方程,直角坐标系中N-S方程的分量形式参见下式(1)至(3):
式中,ρ表示流体密度,u,v,w表示流体在t时刻以速度矢量V位于坐标点(x,y,z)处的速度分量,p表示压力,f表示外力,μ表示流体粘度。
步骤S103b,求解N-S方程,得到第一压力值和第二压力值。
在一些实施例中,将被动标量的速度场V(t,x,y,z)对应的三个速度分量的N-S方程输入至物理信息神经网络模型(Physics-informed Neural Network,PINN),通过近似功能,近似(t,x,y,z)为(c,u,v,w,p)。进一步地,近似(t,x,y,z)为(e1,e2,e3,e4,e5),求解感兴趣点p(t,x,y,z)处的压力值。在PINN网络中,被动标量的耦合动力以及速度场V(t,x,y,z)对应的三个速度分量的N-S方程会通过微分的方式被自动解码。
其中,e1为被动标量的运输方程,e1=ct+ucx+vcy+wcz-Pe-1(cxx+cyy+czz),Pe表示皮勒数;
e2至e4为被动标量的动量方程,e2至e4中Re表示雷诺数,
e2=ut+uux+vuy+wuz+px-Re-1(uxx+uyy+uzz);
e3=vt+uvx+vvy+wvz+py-Re-1(vxx+vyy+vzz);
e4=wt+uwx+vwy+wwz+pz-Re-1(wxx+wyy+wzz);
e5为连续方程,e5=ux+vy+wz。
在一些实施例中,PINN神经网络的损失函数(Loss function)定义如下:
式中,MSE表示真实值与预测值的差值的平方然后求和平均,公式分为两部分,第一部分为N个采样点上的真实数据与通过PINN实际训练获取的数据的残差,第二部分是流体运动方程的残差。通常,采样点的数据可以通过导丝有创获取,是有限的数据,但是通过PINN可以预测被动标量在冠状动脉内任意点处运动方程的残差,因此M大于N。其中,N表示从冠状动脉图像中获取的被动标量的坐标点数量,即数据点的数量,t表示时间,x,y,z表示被动标量所在三维空间坐标点对应的坐标值,c(t,x,y,z)表示被动标量在三维空间中随时间变化的运输轨迹,cn表示从冠状动脉图像中获取的被动标量的坐标点的标签,标签是需要预测的变量,在本公开实施例中标签即为需要预测的冠状动脉内的压力值。
在本公开实施例中,提出将PINN应用于血流储备分数的确定,相比于传统的根据深度学习网络确定血流储备分数的方法,有效减少了确定血流储备分数过程中的计算时长,并且结合N-S公式,对被动标量的速度场进行约束,提高了确定血流储备分数的准确性。
步骤S104,基于第一压力值和第二压力值确定血流储备分数。
在一些实施例中,基于第一压力值和第二压力值确定血流储备分数的具体实现过程至少可以包括:
确定第一压力值和第二压力值之比为血流储备分数。
其中,血流储备分数被定义为在冠状动脉存在狭窄病变的情况下,目标测量血管所供心肌区域能获得的最大血流量Qmax与同一区域理论上正常情况下所能获得的最大血流量qmax之比,公式如下:
式中,Pd为冠状动脉狭窄远端的平均压力,Pa为冠状动脉口部主动脉的平均压力,Rs和Rn为微循环阻力,Pv为中心静脉压力。一般情况下,Pv几乎接近于零,且为定值;当使用血管舒张剂如:静脉内或动脉内腺苷等药物时,可以使冠状动脉出现能获取最大血流量Qmax的最大充血状态,即能够使微循环的阻力降到最低,此时可以认为Rs=n,Pv相对于Pa和Pd可以忽略不计,则上述公式(5)可以简化如下:
在一些实施例中,可以通过PINN的神经网络,获取冠状动脉内每一个点坐标的压力值,再确定冠状动脉口部主动脉的平均压力为第一压力值Pa,确定冠状动脉狭窄端的平均压力为第二压力值Pd,通过计算第一压力值Pa与第二压力值Pd的比值,确定血流储备分数,从而实现对血流储备分数的预测。
本公开实施例提出了一种确定血流储备分数的方法,不同于根据血管图像确定血流特征以及根据深度学习网络确定血流储备分数等传统方法,本公开实施例无需通过导丝获取大量的有创数据,仅通过获取携带被动标量的冠状动脉图像即可实现血流储备分数的确定,降低了确定血流储备分数所需数据的获取难度,减少了确定血流储备分数过程中对数据的需求量,避免了确定的血流储备分数结果过于依赖获取的数据的质量;同时,克服了无创的血流储备分数确定技术存在计算耗时较长,流程复杂的问题,可以快速且精确的确定血管内的血流情况,从而计算出血流储备分数等重要指标。
图4示出了本公开实施例一种血流储备分数确定方法的又一种可选流程示意图。
参考图4,以被动标量是造影剂为例,对本公开实施例血流储备分数确定方法的一种可选流程进行说明,至少包括以下步骤:
步骤S401,获取携带造影剂的冠状动脉图像。
可选地,提取冠状动脉几帧CT图像中携带造影剂的冠状动脉图像。
步骤S402,获取造影剂在三维空间中随时间变化的运输轨迹。
可选地,定义造影剂在三维空间中随时间变化的运输轨迹为c(t,x,y,z)。
步骤S403,基于造影剂的运输轨迹,确定造影剂的速度场。
具体地,造影剂在三维空间中随时间变化的运输轨迹具有速度场V(t,x,y,z)=[u(t,x,y,z),(t,x,y,z),(t,x,y,z)]。
步骤S404,基于粘性不可压缩流体动量守恒原理,确定速度场对应的三个速度分量的N-S方程。
具体地,获取造影剂在t时刻的速度矢量V,根据速度矢量V确定造影剂在点(x,y,z)处的速度分量,再结合粘性不可压缩流体动量守恒原理,确定三个速度分量所对应的N-S方程。
步骤S405,求解N-S方程,得到第一压力值和第二压力值。
步骤S406,确定第一压力值和第二压力值之比为血流储备分数。
应理解,本公开实施例仅用于以造影剂为例,说明血流储备分数确定方法的一种实际应用场景,所涉及的各参数及计算公式均已在上述实施例中有详细描述,这里不再赘述。
本公开实施例中,无需通过导丝获取大量的有创数据,仅通过获取携带造影剂的冠状动脉图像即可实现血流储备分数的确定,减少了血流储备分数确定对数据的需求量,同时也降低了确定血流储备分数所需数据的获取难度,并且结合N-S公式约束造影剂的速度场,提高了确定血流储备分数的准确性。
图5示出了实施例一种血流储备分数确定装置的组成结构示意图。
参考图5,实施例一种血流储备分数确定装置,所述血流储备分数确定装置50包括:获取模块501,用于获取携带被动标量的冠状动脉图像;速度场确定模块502,用于基于冠状动脉图像确定运输被动标量的速度场;压力值确定模块503,用于基速度场和粘性不可压缩流体动量守恒原理确定冠状动脉口的第一压力值与感兴趣点的第二压力值;血流储备分数确定模块504,用于基于第一压力值和第二压力值确定血流储备分数。
在一些实施例中,速度场确定模块502,包括:运输轨迹获取子模块5021,用于获取冠状动脉图像中被动标量的运输轨迹;速度场确定模块502,具体用于基于被动标量的运输轨迹,确定被动标量的速度场。
在一些实施例中,运输轨迹获取子模块5021,具体用于获取被动标量在三维空间中随时间变化的运输轨迹。
在一些实施例中,压力值确定模块503,具体用于基于粘性不可压缩流体动量守恒原理,确定速度场对应的三个速度分量的N-S方程;还具体用于求解N-S方程,得到第一压力值和第二压力值。
在一些实施例中,血流储备分数确定模块504,具体用于确定第一压力值和第二压力值之比,为血流储备分数。
根据本公开的实施例,本公开还提供了一种电子设备和一种可读存储介质。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴电子设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,电子设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储电子设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备400中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他电子设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如血流储备分数确定方法。例如,在一些实施例中,血流储备分数确定方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的血流储备分数确定方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行血流储备分数确定方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本公开的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种血流储备分数确定方法,其特征在于,所述方法包括:
获取携带被动标量的冠状动脉图像;
基于所述冠状动脉图像确定运输所述被动标量的速度场;
基于所述速度场和粘性不可压缩流体动量守恒原理确定冠状动脉口的第一压力值与感兴趣点的第二压力值;
基于所述第一压力值和所述第二压力值确定血流储备分数。
2.根据权利要求1所述的方法,其特征在于,所述基于所述冠状动脉图像确定运输所述被动标量的速度场,包括:
获取所述冠状动脉图像中被动标量的运输轨迹;
基于所述被动标量的运输轨迹,确定所述被动标量的速度场。
3.根据权利要求2所述的方法,其特征在于,所述获取所述冠状动脉图像中被动标量的运输轨迹,包括:
获取所述被动标量在三维空间中随时间变化的运输轨迹。
4.根据权利要求1所述的方法,其特征在于,所述基于所述速度场和粘性不可压缩流体动量守恒原理确定冠状动脉口的第一压力值与感兴趣点的第二压力值,包括:
基于粘性不可压缩流体动量守恒原理,确定所述速度场对应的三个速度分量的纳维-斯托克斯N-S方程;
求解所述纳维-斯托克斯N-S方程,得到所述第一压力值和所述第二压力值。
5.根据权利要求1所述的方法,其特征在于,所述基于所述第一压力值和所述第二压力值确定血流储备分数,包括:
确定所述第一压力值和所述第二压力值之比,为所述血流储备分数。
6.一种血流储备分数确定装置,其特征在于,所述装置包括:
获取模块,用于获取携带被动标量的冠状动脉图像;
速度场确定模块,用于基于所述冠状动脉图像确定运输所述被动标量的速度场;
压力值确定模块,用于基于所述速度场和粘性不可压缩流体动量守恒原理确定冠状动脉口的第一压力值与感兴趣点的第二压力值;
血流储备分数确定模块,用于基于所述第一压力值和所述第二压力值确定血流储备分数。
7.根据权利要求6所述的装置,其特征在于,所述速度场确定模块,包括:运输轨迹获取子模块,用于获取所述冠状动脉图像中被动标量的运输轨迹;
所述速度场确定模块,具体用于基于所述被动标量的运输轨迹,确定所述被动标量的速度场。
8.根据权利要求7所述的装置,其特征在于,所述运输轨迹获取子模块,具体用于获取所述被动标量在三维空间中随时间变化的运输轨迹。
9.根据权利要求6所述的装置,其特征在于,所述压力值确定模块,具体用于基于粘性不可压缩流体动量守恒原理,确定所述速度场对应的三个速度分量的纳维-斯托克斯N-S方程;还具体用于求解所述纳维-斯托克斯N-S方程,得到所述第一压力值和所述第二压力值。
10.根据权利要求6所述的装置,其特征在于,所述血流储备分数确定模块,具体用于确定所述第一压力值和所述第二压力值之比,为所述血流储备分数。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的血流储备分数确定方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的血流储备分数确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310167202.4A CN116172598A (zh) | 2023-02-22 | 2023-02-22 | 一种血流储备分数确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310167202.4A CN116172598A (zh) | 2023-02-22 | 2023-02-22 | 一种血流储备分数确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116172598A true CN116172598A (zh) | 2023-05-30 |
Family
ID=86440132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310167202.4A Pending CN116172598A (zh) | 2023-02-22 | 2023-02-22 | 一种血流储备分数确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116172598A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036531A (zh) * | 2023-10-10 | 2023-11-10 | 杭州脉流科技有限公司 | 基于gpu的血流储备分数得到方法、***及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108992057A (zh) * | 2018-06-05 | 2018-12-14 | 杭州晟视科技有限公司 | 一种确定冠状动脉血流储备分数ffr的方法和装置 |
CN112384136A (zh) * | 2018-11-13 | 2021-02-19 | 苏州润迈德医疗科技有限公司 | 基于造影图像获取血管评定参数的方法、装置及*** |
US20210158541A1 (en) * | 2019-11-22 | 2021-05-27 | The Regents Of The University Of Michigan | Anatomical and functional assessment of coronary artery disease using machine learning |
CN113660900A (zh) * | 2019-04-04 | 2021-11-16 | 美敦力瓦斯科尔勒公司 | 用于确定修改的血流储备分数值的***和方法 |
CN114118405A (zh) * | 2021-10-26 | 2022-03-01 | 中国人民解放军军事科学院国防科技创新研究院 | 内嵌物理知识的神经网络的损失函数自适应平衡方法 |
CN114419016A (zh) * | 2022-01-25 | 2022-04-29 | 华润武钢总医院 | 一种用于甲状腺结节良恶性鉴别诊断的超声超分辨方法及*** |
CN114462329A (zh) * | 2022-01-10 | 2022-05-10 | 中山大学孙逸仙纪念医院 | 一种升主动脉流体力学参数的测算方法和装置 |
US20220254032A1 (en) * | 2021-02-11 | 2022-08-11 | Canon Medical Systems Corporation | Image data processing method and apparatus |
CN115691814A (zh) * | 2022-09-23 | 2023-02-03 | 北京航空航天大学 | 血流动力学仿真模型构建、仿真方法、装置及电子设备 |
-
2023
- 2023-02-22 CN CN202310167202.4A patent/CN116172598A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108992057A (zh) * | 2018-06-05 | 2018-12-14 | 杭州晟视科技有限公司 | 一种确定冠状动脉血流储备分数ffr的方法和装置 |
CN112384136A (zh) * | 2018-11-13 | 2021-02-19 | 苏州润迈德医疗科技有限公司 | 基于造影图像获取血管评定参数的方法、装置及*** |
CN113660900A (zh) * | 2019-04-04 | 2021-11-16 | 美敦力瓦斯科尔勒公司 | 用于确定修改的血流储备分数值的***和方法 |
US20210158541A1 (en) * | 2019-11-22 | 2021-05-27 | The Regents Of The University Of Michigan | Anatomical and functional assessment of coronary artery disease using machine learning |
US20220254032A1 (en) * | 2021-02-11 | 2022-08-11 | Canon Medical Systems Corporation | Image data processing method and apparatus |
CN114118405A (zh) * | 2021-10-26 | 2022-03-01 | 中国人民解放军军事科学院国防科技创新研究院 | 内嵌物理知识的神经网络的损失函数自适应平衡方法 |
CN114462329A (zh) * | 2022-01-10 | 2022-05-10 | 中山大学孙逸仙纪念医院 | 一种升主动脉流体力学参数的测算方法和装置 |
CN114419016A (zh) * | 2022-01-25 | 2022-04-29 | 华润武钢总医院 | 一种用于甲状腺结节良恶性鉴别诊断的超声超分辨方法及*** |
CN115691814A (zh) * | 2022-09-23 | 2023-02-03 | 北京航空航天大学 | 血流动力学仿真模型构建、仿真方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
MAZIAR RAISSI: "Hidden fluid mechanics: Learning velocity and pressure fields from flow visualizations", SCIENCE, pages 1026 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036531A (zh) * | 2023-10-10 | 2023-11-10 | 杭州脉流科技有限公司 | 基于gpu的血流储备分数得到方法、***及存储介质 |
CN117036531B (zh) * | 2023-10-10 | 2023-12-22 | 杭州脉流科技有限公司 | 基于gpu的血流储备分数得到方法、***及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Brindise et al. | Multi-modality cerebral aneurysm haemodynamic analysis: in vivo 4D flow MRI, in vitro volumetric particle velocimetry and in silico computational fluid dynamics | |
CN112862933B (zh) | 用于优化模型的方法、装置、设备以及存储介质 | |
CN111317455B (zh) | 血流动力学参数确定方法、装置、设备及存储介质 | |
WO2021097817A1 (zh) | 根据血管中心线获取血管轮廓线的方法和装置 | |
CN107615335A (zh) | 医学图象处理方法和*** | |
CN110786841B (zh) | 基于微循环阻力指数调节最大充血状态流速的方法及装置 | |
CN112446866B (zh) | 血流参数的计算方法、装置、设备及存储介质 | |
CN116172598A (zh) | 一种血流储备分数确定方法、装置、电子设备及存储介质 | |
CN110598288B (zh) | 一种用于冠脉三维模型的边界条件处理方法和装置 | |
CN112446867A (zh) | 血流参数的确定方法、装置、设备及存储介质 | |
Ferdian et al. | WSSNet: aortic wall shear stress estimation using deep learning on 4D flow MRI | |
WO2021087967A1 (zh) | 基于生理参数获取血管评定参数的方法、装置及存储介质 | |
AU2020278589A1 (en) | System and methods for estimation of blood flow using response surface and reduced order modeling | |
Tanade et al. | Analysis identifying minimal governing parameters for clinically accurate in silico fractional flow reserve | |
Rijnberg et al. | Non-uniform mixing of hepatic venous flow and inferior vena cava flow in the Fontan conduit | |
CN115049590B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
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 | |
CN112419308B (zh) | 斑块评估方法、装置、电子设备及存储介质 | |
CN115409856A (zh) | 一种肺部医学图像处理方法、装置、设备及存储介质 | |
WO2021092889A1 (zh) | 基于造影图像的流速的筛选方法、装置、***和存储介质 | |
CN113660900A (zh) | 用于确定修改的血流储备分数值的***和方法 | |
CN115526887B (zh) | 一种血管管径的预测方法、装置、电子设备及存储介质 | |
CN115937373B (zh) | 虚拟形象驱动方法、装置、设备以及存储介质 | |
CN115495908A (zh) | 确定功能学指标的方法、装置、计算机设备及存储介质 | |
WO2017047822A1 (ja) | 血管病変発症・成長予測装置及び方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 3011, 2nd Floor, Building A, No. 1092 Jiangnan Road, Nanmingshan Street, Liandu District, Lishui City, Zhejiang Province, 323000 Applicant after: Zhejiang Yizhun Intelligent Technology Co.,Ltd. Address before: No. 301, 3rd Floor, Zhizhen Building, No. 7 Zhichun Road, Haidian District, Beijing, 100083 Applicant before: Beijing Yizhun Intelligent Technology Co.,Ltd. |