CN117153344A - 数据处理方法、装置、计算设备及存储介质 - Google Patents
数据处理方法、装置、计算设备及存储介质 Download PDFInfo
- Publication number
- CN117153344A CN117153344A CN202311170208.3A CN202311170208A CN117153344A CN 117153344 A CN117153344 A CN 117153344A CN 202311170208 A CN202311170208 A CN 202311170208A CN 117153344 A CN117153344 A CN 117153344A
- Authority
- CN
- China
- Prior art keywords
- predicted value
- obtaining
- image data
- confidence
- computer program
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 52
- 210000000746 body region Anatomy 0.000 claims abstract description 18
- 239000008280 blood Substances 0.000 claims abstract description 11
- 210000004369 blood Anatomy 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 16
- 230000009471 action Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 230000003902 lesion Effects 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 4
- 238000002600 positron emission tomography Methods 0.000 description 4
- 238000002603 single-photon emission computed tomography Methods 0.000 description 4
- 238000003325 tomography Methods 0.000 description 4
- 238000002583 angiography Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 210000004351 coronary vessel Anatomy 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 238000002601 radiography Methods 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 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
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002966 stenotic effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
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
- A61B6/50—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
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Epidemiology (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
提供了一种数据处理方法、装置、计算设备及存储介质。方法可以包括:获取与目标人体区域有关的图像数据;基于所述图像数据获得针对所述目标人体区域的血液储备分数FFR的至少一个预测值;获得与所述至少一个预测值对应的至少一个置信度;以及将所述至少一个预测值和所述对应的至少一个置信度关联地进行显示。
Description
技术领域
本公开涉及数据处理领域,特别是涉及一种数据处理方法、装置、计算设备及存储介质。
背景技术
血流储备分数FFR指在冠状动脉存在狭窄病变的情况下,该血管所供心肌区域能获得的最大血流与同一区域理论上正常情况下所能获得的最大血流之比,能够反映动脉健康程度等。期望能够尽量准确地基于采集的图像等数据获得FFR预测值。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
根据本公开的一方面,提供了一种数据处理方法,包括:获取与目标人体区域有关的图像数据;基于所述图像数据获得针对所述目标人体区域的血液储备分数FFR的至少一个预测值;获得与所述至少一个预测值对应的至少一个置信度;以及将所述至少一个预测值和所述对应的至少一个置信度关联地进行显示。
根据本公开的另一方面,提供了一种数据处理装置,包括:数据获取单元,用于获取与目标人体区域有关的图像数据;预测单元,用于基于所述图像数据获得针对所述目标人体区域的血液储备分数FFR的至少一个预测值;置信度获取单元,用于获得与所述至少一个预测值对应的至少一个置信度;以及显示单元,用于将所述至少一个预测值和所述对应的至少一个置信度关联地进行显示。
根据本公开的另一方面,提供了一种计算设备,包括:存储器、处理器以及存储在所述存储器上的计算机程序,其中,所述处理器被配置为执行所述计算机程序以实现根据本公开的一个或多个实施例的数据处理方法。
根据本公开的另一方面,提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现根据本公开的一个或多个实施例的数据处理方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据本公开的一个或多个实施例的数据处理方法。
根据在下文中所描述的实施例,本公开的这些和其它方面将是清楚明白的,并且将参考在下文中所描述的实施例而被阐明。
附图说明
在下面结合附图对于示例性实施例的描述中,本公开的更多细节、特征和优点被公开,在附图中:
图1是图示出根据示例性实施例的可以在其中实施本文描述的各种方法的示例***的示意图;
图2是图示出根据示例性实施例的数据处理方法的流程图;
图3是图示出根据示例性实施例的数据处理装置的示意性框图;
图4是图示出能够应用于示例性实施例的示例性计算机设备的框图。
具体实施方式
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。如本文使用的,术语“多个”意指两个或更多,并且术语“基于”应解释为“至少部分地基于”。此外,术语“和/或”以及“……中的至少一个”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面结合附图详细描述本公开的示例性实施例。
图1是图示出根据示例性实施例的可以在其中实施本文描述的各种方法的示例***100的示意图。
参考图1,该***100包括客户端设备110、服务器120、以及将客户端设备110与服务器120通信地耦合的网络130。
客户端设备110包括显示器114和可经由显示器114显示的客户端应用(APP)112。客户端应用112可以为运行前需要下载和安装的应用程序或者作为轻量化应用程序的小程序(liteapp)。在客户端应用112为运行前需要下载和安装的应用程序的情况下,客户端应用112可以被预先安装在客户端设备110上并被激活。在客户端应用112为小程序的情况下,用户102可以通过在宿主应用中搜索客户端应用112(例如,通过客户端应用112的名称等)或扫描客户端应用112的图形码(例如,条形码、二维码等)等方式,在客户端设备110上直接运行客户端应用112,而无需安装客户端应用112。在一些实施例中,客户端设备110可以是任何类型的移动计算机设备,包括移动计算机、移动电话、可穿戴式计算机设备(例如智能手表、头戴式设备,包括智能眼镜,等)或其他类型的移动设备。在一些实施例中,客户端设备110可以替换地是固定式计算机设备,例如台式机、服务器计算机或其他类型的固定式计算机设备。在一些可选的实施例中,客户端设备110还可以是或者可以包括医学图像打印设备。
服务器120典型地为由互联网服务提供商(ISP)或互联网内容提供商(ICP)部署的服务器。服务器120可以代表单台服务器、多台服务器的集群、分布式***、或者提供基础云服务(诸如云数据库、云计算、云存储、云通信)的云服务器。将理解的是,虽然图1中示出服务器120与仅一个客户端设备110通信,但是服务器120可以同时为多个客户端设备提供后台服务。
网络130的示例包括局域网(LAN)、广域网(WAN)、个域网(PAN)、和/或诸如互联网之类的通信网络的组合。网络130可以是有线或无线网络。在一些实施例中,使用包括超文本标记语言(HTML)、可扩展标记语言(XML)等的技术和/或格式来处理通过网络130交换的数据。此外,还可以使用诸如安全套接字层(SSL)、传输层安全(TLS)、虚拟专用网络(VPN)、网际协议安全(IPsec)等加密技术来加密所有或者一些链路。在一些实施例中,还可以使用定制和/或专用数据通信技术来取代或者补充上述数据通信技术。
***100还可以包括图像采集设备140。在一些实施例中,图1所示出的图像采集设备140可以是医学扫描设备,包括但不限于在正子发射断层扫描计算机成像***(Positronemission tomography,PET)、正子发射电脑断层扫描计算机成像***(Positron emissiontomography with computerized tomography,PET/CT)、单一光子发射电脑断层扫描计算机成像***(Single photon emission computed tomography with computerizedtomography,SPECT/CT)、计算机断层扫描***(Computerized tomography,CT)、医学超音波检查计算机成像***(Medical ultrasonography)、核磁共振成像***(Nuclearmagnetic resonance imaging,NMRI)、磁共振成像***(Magnetic Resonance Imaging,MRI)、心血管造影成像***(Cardiac angiography,CA)、数字放射显影***(Digitalradiography,DR)等中使用的扫描或成像设备。例如,图像采集设备140可以包括数字减影血管造影扫描仪、磁共振血管造影扫描仪、断层血管扫描仪、正子发射断层扫描仪、正子发射电脑断层扫描仪、单一光子发射电脑断层扫描仪、计算机断层扫描仪、医学超音波检查设备、核磁共振成像扫描仪、磁共振成像扫描仪、数字放射显影扫描仪等。图像采集设备140可以与服务器(例如,图1中的服务器120或者图中未示出的、成像***的单独服务器)相连接,以实现图像数据的处理,包括但不限于将扫描数据进行转换(例如,转换为医学图像序列)、压缩、像素修正、三维重建等。
图像采集设备140可以例如通过网络130与客户端设备110相连接,或者以其他方式直接连接到客户端设备以与客户端设备通信。
可选地,***还可以包括智能计算设备或者计算卡150。图像采集设备140可以包括或者连接(例如,可拆除地连接)到这样的计算卡150等。作为一个示例,计算卡150可以实现图像数据的处理,包括但不限于转换、压缩、像素修正、重建等。作为另一个示例,计算卡150可以实现根据本公开的实施例的数据处理方法。
***还可以包括其他未示出的部分,例如数据存储部。数据存储部可以是数据库、数据存储库或其他形式的用于数据存储的一个或多个装置,可以是常规数据库,也可以包括云端数据库、分布式数据库等。例如,由图像采集设备140形成的直接图像数据或者经过图像处理获得的医学图像序列或三维影像数据等可存储到数据存储部中,以供后续服务器120以及客户端设备110从数据存储部中调取。另外,上述图像采集设备140还可直接图像数据或者经过图像处理获得的医学图像序列或三维影像数据等直接提供给服务器120或者客户端设备110等。
用户可以使用客户端设备110控制对图像或影像的采集,查看采集到的图像或影像(包括初步图像数据或者经过分析处理的图像等),查看分析结果,与采集图像或分析结果进行交互,输入采集指令,配置数据等等。客户端设备110可以将配置数据、指令或者其他信息发送到图像采集设备140以控制图像采集设备的采集、对数据进行处理等。
为了本公开实施例的目的,在图1的示例中,客户端应用112可以为图像序列管理应用程序,该图像序列管理应用程序可以提供各种功能,例如,对采集到的图像序列进行存储管理、索引、排序、分类等等。与此相应,服务器120可以是与图像序列管理应用程序一起使用的服务器。该服务器120可以基于用户请求或者根据本公开的实施例所生成的指令等向客户端设备110中运行的客户端应用112提供图像序列管理服务,例如管理云端的图像序列存储,按照指定索引(包括例如但不限于序列类型、病人标识、人体部位、采集目标、采集阶段、采集机器、是否有病灶检出、严重程度等等)对图像序列进行存储与归类,以及按照指定索引检索并向客户端设备提供图像序列,等等。替换地,服务器120也可以将这样的服务能力或者存储空间提供或分配给客户端设备110,由客户端设备110中运行的客户端应用112根据用户请求或者根据本公开的实施例所生成的指令等提供对应的图像序列管理服务,等等。可以理解的是,以上仅给出了一个示例,并且本公开不限于此。
图2是图示出根据示例性实施例的数据处理方法200的流程图。方法200可以在客户端设备(例如,图1中所示的客户端设备110)处执行,也即,方法200的各个步骤的执行主体可以是图1中所示的客户端设备110。在一些实施例中,方法200可以在服务器(例如,图1中所示的服务器120)处执行。在一些实施例中,方法200可以由客户端设备(例如,客户端设备110)和服务器(例如,服务器120)相组合地执行。
在下文中,以执行主体为客户端设备110为例,详细描述方法200的各个步骤。
参考图2,在步骤210处,获取与目标人体区域有关的图像数据。
在步骤220处,基于所述图像数据获得针对所述目标人体区域的血液储备分数FFR的至少一个预测值。
在步骤230处,获得与所述至少一个预测值对应的至少一个置信度。
在步骤240处,将所述至少一个预测值和所述对应的至少一个置信度关联地进行显示。
通过上述方法,能够除了预测FFR结果之外,还向用户输出置信度,从而为用户提供更为有利的参考。
应当理解,由于存在个体差异,在没有医生的专业分析和确认的情况下,并不能仅仅依据方法200得到的预测值直接得出用户的疾病诊断结论或健康状况。方法200本质上是数据处理方法,对图像数据等数据进行处理,整个过程并不需要医生的参与,所得的预测值也只能为医生、医疗工作者等提供参考。因此,这样的方法并不妨碍医生自由选择诊疗方案,不应视为疾病诊断方法。
根据一些实施例,基于所述图像数据获得针对所述目标人体区域的血液储备分数FFR的至少一个预测值可以包括:针对所述至少一个预测值中的每个预测值,获得对应的取值空间。
下面结合一些具体的非限制性实施例对本公开的方法进行描述。
在一个示例中,可以基于CT-FFR计算模型,通过冠脉的形态学与生理学参数等。然而,由于这些参数的确定过程存在不确定性,会造成FFR的计算值存在不确定性。因此,估计CT-FFR计算结果的不确定性对于临床应用至关重要。
示例性地,CT-FFR的计算模型可以用下式描述:
Y=f(X)
其中,f(·)是计算CT-FFR的数学模型,可以为基于流体力学原理建立的机理性数学模型,也可以是基于数据建立的数据驱动数学模型,X为计算模型的输入,包括冠脉的形态学与生理学等参数,其可能的取值空间定义为ΩY,Y为计算模型的输出,包括FFR值、血流量等,其可能的取值空间定义为ΩX。
示例性地,可以采用概率密度函数描述模型输入与输出在各自取值空间内的分布。比如,表示参数Xi∈X取值为/>的概率。同理,模型的输出的不确定性采用概率密度函数pY描述。计算模型的输出的不确定可以采用多种方式估计,在这里作为一个示例,可以采用蒙特卡洛方法。
例如,可以首先在输入参数取值空间ΩX中依据概率密度函数采样NS组参数,形成输入数据集接下来,可以利用数学模型f(·)计算每组输入参数X(s)所对应的模型输出Y(s)。可以建立模型输出数据集/>计算期望值、方差、置信区间等不确定性评价指标。
示例性地,计算公式可以如下:
期望值
方差
置信区间
其中β为显著性水平,数据集是将数据集/>中元素按照递增顺序排列。
根据一些实施例,获得与所述至少一个预测值对应的至少一个置信度包括:针对所述至少一个预测值中的每个预测值,获得对应的置信区间。
示例性地,根据本公开的一个或多个实施例能够向用户输出每个预测值的置信区间,从而给用户提供更多参考性信息。例如,用户可以得知FFR预测结果和相应的置信区间,从而获得更多维度的更加丰富的信息。因此,能够更好地辅助用户(例如,医生)进行分析、诊断等。
根据一些实施例,方法200还可以包括:获得所述图像数据的一个或多个参数的变化对所述至少一个预测值中的第一预测值的一个或多个影响因数;以及与所述一个或多个参数相关联地显示所述一个或多个影响因数。
示例性地,与所述一个或多个参数相关联地显示所述一个或多个影响因数,可以不需要显示“一个或多个参数”本身,而仅仅显示其标识、类型等等。
根据一些实施例,方法200还可以包括:与所述第一预测值以及所述一个或多个影响因数相关联地显示用于对所述一个或多个参数中的至少一个参数进行调节的控件。
示例性地,方法可以包括与所述第一预测值以及所述一个或多个影响因数中的至少一者相关联地显示用于对所述一个或多个参数中的至少一个参数进行调节的控件。例如,在第一预测值旁边显示参数调节控件,将第一预测值与参数调节空间用线条、方框等其他标识进行关联,等等。
根据一些实施例,所述一个或多个参数包括所述图像数据中的一个或多个分割区域,并且其中,所述一个或多个参数的变化包括所述一个或多个分割区域中的每个分割区域的边界变化量。
例如,方法可以包括获得所述图像数据中的一个或多个分割区域;并且获得所述一个或多个分割区域中的每个分割区域的边界变化量对所述第一预测值的影响因数。分割区域可以是通过对图像进行处理(例如,执行分割算法)而获得的,或者可以是从用户处接收的。示例性地,方法可以包括对图像数据进行分割,以获得其中一个或多个分割区域(例如,组织、器官、病灶、识别的异常等)。作为其他的非限制性实施例,获得分割区域可以是以上方法的结合,例如向用户提供机器生成的分割区域,并且提供可以交互的选项使得用户可以对其进行调整,或者,可以接收用户划分的分割区域,并且通过机器算法对其进行平滑,等等,并且本公开不限于此。
根据一些实施例,方法200还可以包括,在将所述至少一个预测值和所述对应的至少一个置信度关联地进行显示之后:获得所述一个或多个分割区域中的至少一个分割区域的边界更新;以及基于所述至少一个分割区域的边界更新获得针对所述目标人体区域的血液储备分数FFR的至少一个经更新的预测值。
在这样的实施例中,可以接收用户对边界的更新。尤其是,用户能够在知晓每个分割区域和关联的影响因数后,有针对性地对分割区域进行调整,例如仔细调整对FFR预测结果影响大的边界,而允许对FFR预测结果影响小的边界具有一定的误差,并且仍然能够得到符合期望的预测结果。
根据一些实施例,方法200还可以包括基于所述至少一个分割区域的边界更新获得与所述至少一个经更新的预测值分别对应的至少一个经更新的置信区间。例如,可以例如跟随用户的调整或者其他指令,实时或者近乎实时地计算置信度、置信区间、影响因子中的一者或多者,从而实时或者近乎实时地显示当前的参数(例如,分割区域边界)对FFR计算的影响,方便用户接下来的调整,并且使得用户能够知晓当前FFR的预测结果存在多大误差,从而能够对用户(例如,医生)的诊断做出更好的辅助。
根据一些实施例,所述一个或多个分割区域包括分割的病灶区域。
根据本公开的一个或多个实施例,能够示出病灶区域的分割对FFR计算的影响,例如不同的病灶区域(或者其他组织、异常的边界等)的误差对FFR计算结果具有不同的影响力,因此,向医生或其他操作者示出这样的影响因子,有利于医生或操作者针对影响力更大的分割或边界,仔细调整分割或边界的误差,而对于影响不是那么大的分割或边界,可以不需要花太多心力去调整,由此能够在不造成资源浪费和过多时间消耗的情况下,实现更为准确的FFR计算结果。
可以理解的是,虽然各个操作在附图中被描绘为按照特定的顺序,但是这不应理解为要求这些操作必须以所示的特定顺序或者按顺行次序执行,也不应理解为要求必须执行所有示出的操作以获得期望的结果。例如,在本文中依照次序描述的两个步骤可以以相反的顺序执行,或者可以并发地执行。例如,步骤230可以在步骤220之前被执行,或者与步骤220并发地执行。又例如,可以省略本公开的各个实施例中的一个或多个步骤。
可以理解的是,贯穿本公开,图像数据可以是图像或图像序列,可以是或可以包括二维图像数据,也可以是或者包括三维图像数据。图像或图像序列可以是直接采集并存储或以其它方式发送到终端设备以供用户使用的图像数据。图像或图像序列也可以是经过各种图像处理之后的经处理的图像数据。图像或图像序列可以经过其他分析过程(例如,是否存在病变特征或者病灶的分析过程)并且包含分析结果(例如,感兴趣区域的圈出、组织的分割结果等等)。可以理解的是,本公开不限于此。
图3是图示出根据示例性实施例的数据处理装置300的示意性框图。数据处理装置300可以包括:数据获取单元310、预测单元320、置信度获取单元330和显示单元340。数据获取单元310可以用于获取与目标人体区域有关的图像数据。预测单元320可以用于基于所述图像数据获得针对所述目标人体区域的血液储备分数FFR的至少一个预测值。置信度获取单元330可以用于获得与所述至少一个预测值对应的至少一个置信度。显示单元340可以用于将所述至少一个预测值和所述对应的至少一个置信度关联地进行显示。
应当理解,图3中所示装置300的各个模块可以与参考图2描述的方法200中的各个步骤相对应。由此,上面针对方法200描述的操作、特征和优点同样适用于装置300及其包括的模块。为了简洁起见,某些操作、特征和优点在此不再赘述。
根据本公开的实施例,还公开了一种计算设备,包括存储器、处理器以及存储在存储器上的计算机程序,其中,处理器被配置为执行计算机程序以实现根据本公开的实施例的数据处理方法及其变型例的步骤。
根据本公开的实施例,还公开了一种非暂态计算机可读存储介质,其上存储有计算机程序,其中,计算机程序被处理器执行时实现根据本公开的实施例的数据处理方法及其变型例的步骤。
根据本公开的实施例,还公开了一种计算机程序产品,包括计算机程序,其中,计算机程序被处理器执行时实现根据本公开的实施例的数据处理方法及其变型例的步骤。
虽然上面参考特定模块讨论了特定功能,但是应当注意,本文讨论的各个模块的功能可以分为多个模块,和/或多个模块的至少一些功能可以组合成单个模块。本文讨论的特定模块执行动作包括该特定模块本身执行该动作,或者替换地该特定模块调用或以其他方式访问执行该动作(或结合该特定模块一起执行该动作)的另一个组件或模块。因此,执行动作的特定模块可以包括执行动作的该特定模块本身和/或该特定模块调用或以其他方式访问的、执行动作的另一模块。例如,根据本公开的一个或多个实施例描述的各个模块或单元在一些实施例中可以组合成单个模块或单元。又例如,在本公开的一个或多个实施例中可能会以并列方式描述两个或多个模块或单元,而在其他一些实施例中,这些模块和单元之间可以具有一个或多个包含关系。如本文使用的,短语“实体A发起动作B”或“实体A使得执行动作B”可以是指实体A发出执行动作B的指令,但实体A本身并不一定执行该动作B。例如,短语“显示模块使得显示……”可以是指显示模块指示显示器(未示出)或其他可能的显示装置进行显示,而显示模块本身不需要执行“显示”的动作。
还应当理解,本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。上面关于图3描述的各个模块可以在硬件中或在结合软件和/或固件的硬件中实现。例如,这些模块可以被实现为计算机程序代码/指令,该计算机程序代码/指令被配置为在一个或多个处理器中执行并存储在计算机可读存储介质中。可替换地,这些模块可以被实现为硬件逻辑/电路。例如,在一些实施例中,根据本公开的一个或多个实施例描述的模块或单元中的一个或多个可以一起被实现在片上***(System on Chip,SoC)中。SoC可以包括集成电路芯片(其包括处理器(例如,中央处理单元(Central Processing Unit,CPU)、微控制器、微处理器、数字信号处理器(Digital Signal Processor,DSP)等)、存储器、一个或多个通信接口、和/或其他电路中的一个或多个部件),并且可以可选地执行所接收的程序代码和/或包括嵌入式固件以执行功能。
根据本公开的一方面,提供了一种计算设备,其包括存储器、处理器以及存储在存储器上的计算机程序。该处理器被配置为执行计算机程序以实现上文描述的任一方法实施例的步骤。
根据本公开的一方面,提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上文描述的任一方法实施例的步骤。
根据本公开的一方面,提供了一种计算机程序产品,其包括计算机程序,该计算机程序被处理器执行时实现上文描述的任一方法实施例的步骤。
在下文中,结合图4描述这样的计算机设备、非暂态计算机可读存储介质和计算机程序产品的说明性示例。
图4示出了可以被用来实施本文所描述的方法的计算机设备400的示例配置。举例来说,图1中所示的服务器120和/或客户端设备110可以包括类似于计算机设备400的架构。上述数据处理设备/装置也可以全部或至少部分地由计算机设备400或类似设备或***实现。
计算机设备400可以是各种不同类型的设备,例如服务提供商的服务器、与客户端(例如,客户端设备)相关联的设备、片上***、和/或任何其它合适的计算机设备或计算***。计算机设备400的示例包括但不限于:台式计算机、服务器计算机、笔记本电脑或上网本计算机、移动设备(例如,平板电脑、蜂窝或其他无线电话(例如,智能电话)、记事本计算机、移动台)、可穿戴设备(例如,眼镜、手表)、娱乐设备(例如,娱乐器具、通信地耦合到显示设备的机顶盒、游戏机)、电视或其他显示设备、汽车计算机等等。因此,计算机设备400的范围可以从具有大量存储器和处理器资源的全资源设备(例如,个人计算机、游戏控制台)到具有有限的存储器和/或处理资源的低资源设备(例如,传统的机顶盒、手持游戏控制台)。
计算机设备400可以包括能够诸如通过***总线414或其他适当的连接彼此通信的至少一个处理器402、存储器404、(多个)通信接口406、显示设备408、其他输入/输出(I/O)设备410以及一个或更多大容量存储设备412。
处理器402可以是单个处理单元或多个处理单元,所有处理单元可以包括单个或多个计算单元或者多个核心。处理器402可以被实施成一个或更多微处理器、微型计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路和/或基于操作指令来操纵信号的任何设备。除了其他能力之外,处理器402可以被配置成获取并且执行存储在存储器404、大容量存储设备412或者其他计算机可读介质中的计算机可读指令,诸如操作***416的程序代码、应用程序418的程序代码、其他程序420的程序代码等。
存储器404和大容量存储设备412是用于存储指令的计算机可读存储介质的示例,所述指令由处理器402执行来实施前面所描述的各种功能。举例来说,存储器404一般可以包括易失性存储器和非易失性存储器二者(例如RAM、ROM等等)。此外,大容量存储设备412一般可以包括硬盘驱动器、固态驱动器、可移除介质、包括外部和可移除驱动器、存储器卡、闪存、软盘、光盘(例如CD、DVD)、存储阵列、网络附属存储、存储区域网等等。存储器404和大容量存储设备412在本文中都可以被统称为存储器或计算机可读存储介质,并且可以是能够把计算机可读、处理器可执行程序指令存储为计算机程序代码的非暂态介质,所述计算机程序代码可以由处理器402作为被配置成实施在本文的示例中所描述的操作和功能的特定机器来执行。
多个程序模块可以存储在大容量存储设备412上。这些程序包括操作***416、一个或多个应用程序418、其他程序420和程序数据422,并且它们可以被加载到存储器404以供执行。这样的应用程序或程序模块的示例可以包括例如用于实现包括方法200(包括方法200的任何合适的步骤)和/或本文描述的另外的实施例的部件/功能的计算机程序逻辑(例如,计算机程序代码或指令)。
虽然在图4中被图示成存储在计算机设备400的存储器404中,但是模块416、418、420和422或者其部分可以使用可由计算机设备400访问的任何形式的计算机可读介质来实施。如本文所使用的,“计算机可读介质”至少包括两种类型的计算机可读介质,也就是计算机存储介质和通信介质。
计算机存储介质包括通过用于存储信息的任何方法或技术实施的易失性和非易失性、可移除和不可移除介质,所述信息诸如是计算机可读指令、数据结构、程序模块或者其他数据。计算机存储介质包括而不限于RAM、ROM、EEPROM、闪存或其他存储器技术,CD-ROM、数字通用盘(DVD)、或其他光学存储装置,磁盒、磁带、磁盘存储装置或其他磁性存储设备,或者可以被用来存储信息以供计算机设备访问的任何其他非传送介质。
与此相对,通信介质可以在诸如载波或其他传送机制之类的已调数据信号中具体实现计算机可读指令、数据结构、程序模块或其他数据。本文所定义的计算机存储介质不包括通信介质。
计算机设备400还可以包括一个或更多通信接口406,以用于诸如通过网络、直接连接等等与其他设备交换数据,正如前面所讨论的那样。这样的通信接口可以是以下各项中的一个或多个:任何类型的网络接口(例如,网络接口卡(NIC))、有线或无线(诸如IEEE802.11无线LAN(WLAN))无线接口、全球微波接入互操作(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、BluetoothTM接口、近场通信(NFC)接口等。通信接口406可以促进在多种网络和协议类型内的通信,其中包括有线网络(例如LAN、电缆等等)和无线网络(例如WLAN、蜂窝、卫星等等)、因特网等等。通信接口406还可以提供与诸如存储阵列、网络附属存储、存储区域网等等中的外部存储装置(未示出)的通信。
在一些示例中,可以包括诸如监视器之类的显示设备408,以用于向用户显示信息和图像。其他I/O设备410可以是接收来自用户的各种输入并且向用户提供各种输出的设备,并且可以包括触摸输入设备、手势输入设备、摄影机、键盘、遥控器、鼠标、打印机、音频输入/输出设备等等。
虽然在附图和前面的描述中已经详细地说明和描述了本公开,但是这样的说明和描述应当被认为是说明性的和示意性的,而非限制性的;本公开不限于所公开的实施例。通过研究附图、公开内容和所附的权利要求书,本领域技术人员在实践所要求保护的主题时,能够理解和实现对于所公开的实施例的变型。在权利要求书中,词语“包括”不排除未列出的其他元件或步骤,并且词语“一”或“一个”不排除多个。在相互不同的从属权利要求中记载了某些措施的仅有事实并不表明这些措施的组合不能用来获益。
Claims (13)
1.一种数据处理方法,包括:
获取与目标人体区域有关的图像数据;
基于所述图像数据获得针对所述目标人体区域的血液储备分数FFR的至少一个预测值;
获得与所述至少一个预测值对应的至少一个置信度;以及
将所述至少一个预测值和所述对应的至少一个置信度关联地进行显示。
2.根据权利要求1所述的方法,其中,基于所述图像数据获得针对所述目标人体区域的血液储备分数FFR的至少一个预测值包括:针对所述至少一个预测值中的每个预测值,获得对应的取值空间。
3.根据权利要求1或2所述的方法,其中,获得与所述至少一个预测值对应的至少一个置信度包括:针对所述至少一个预测值中的每个预测值,获得对应的置信区间。
4.根据权利要求1-3中任一项所述的方法,还包括:
获得所述图像数据的一个或多个参数的变化对所述至少一个预测值中的第一预测值的一个或多个影响因数;以及
与所述一个或多个参数相关联地显示所述一个或多个影响因数。
5.根据权利要求4所述的方法,还包括:
与所述第一预测值以及所述一个或多个影响因数相关联地显示用于对所述一个或多个参数中的至少一个参数进行调节的控件。
6.根据权利要求4-5中任一项所述的方法,其中,所述一个或多个参数包括所述图像数据中的一个或多个分割区域,并且其中,所述一个或多个参数的变化包括所述一个或多个分割区域中的每个分割区域的边界变化量。
7.根据权利要求6所述的方法,还包括,在将所述至少一个预测值和所述对应的至少一个置信度关联地进行显示之后:
获得所述一个或多个分割区域中的至少一个分割区域的边界更新;以及
基于所述至少一个分割区域的边界更新获得针对所述目标人体区域的血液储备分数FFR的至少一个经更新的预测值。
8.根据权利要求7所述的方法,还包括基于所述至少一个分割区域的边界更新获得与所述至少一个经更新的预测值分别对应的至少一个经更新的置信区间。
9.根据权利要求6-8中任一项所述的方法,其中,所述一个或多个分割区域包括分割的病灶区域。
10.一种数据处理装置,包括:
数据获取单元,用于获取与目标人体区域有关的图像数据;
预测单元,用于基于所述图像数据获得针对所述目标人体区域的血液储备分数FFR的至少一个预测值;
置信度获取单元,用于获得与所述至少一个预测值对应的至少一个置信度;以及
显示单元,用于将所述至少一个预测值和所述对应的至少一个置信度关联地进行显示。
11.一种计算设备,包括:
存储器、处理器以及存储在所述存储器上的计算机程序,
其中,所述处理器被配置为执行所述计算机程序以实现权利要求1-9中任一项所述方法的步骤。
12.一种非暂态计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现权利要求1-9中任一项所述方法的步骤。
13.一种计算机程序产品,包括计算机程序,其中,所述计算机程序被处理器执行时实现权利要求1-9中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311170208.3A CN117153344A (zh) | 2023-09-11 | 2023-09-11 | 数据处理方法、装置、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311170208.3A CN117153344A (zh) | 2023-09-11 | 2023-09-11 | 数据处理方法、装置、计算设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117153344A true CN117153344A (zh) | 2023-12-01 |
Family
ID=88904215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311170208.3A Pending CN117153344A (zh) | 2023-09-11 | 2023-09-11 | 数据处理方法、装置、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117153344A (zh) |
-
2023
- 2023-09-11 CN CN202311170208.3A patent/CN117153344A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11837353B2 (en) | Systems and methods for predicting image quality scores of images | |
US20160321427A1 (en) | Patient-Specific Therapy Planning Support Using Patient Matching | |
US11139067B2 (en) | Medical image display device, method, and program | |
US20160321402A1 (en) | Data-Enriched Electronic Healthcare Guidelines For Analytics, Visualization Or Clinical Decision Support | |
US10146907B2 (en) | Network system and method for controlling a computer tomograph | |
JP7007469B2 (ja) | 医療文書作成支援装置、方法およびプログラム、学習済みモデル、並びに学習装置、方法およびプログラム | |
JP7109345B2 (ja) | 優先度判定装置、方法およびプログラム | |
CN116779135A (zh) | 用于计算血液储备分数的方法、装置、计算设备及介质 | |
CN117153344A (zh) | 数据处理方法、装置、计算设备及存储介质 | |
US20200090810A1 (en) | Medical information processing apparatus, method and system | |
CN117116485A (zh) | 数据处理方法、装置、计算设备及存储介质 | |
CN115546174B (zh) | 图像处理方法、装置、计算设备及存储介质 | |
JP7376715B2 (ja) | 経過予測装置、経過予測装置の作動方法および経過予測プログラム | |
JP7209738B2 (ja) | 画像解析装置、解析機能決定方法、及び解析機能決定プログラム | |
CN117499544A (zh) | 用于图像扫描的方法、装置、计算设备及存储介质 | |
CN118115457A (zh) | 血液流场信息确定方法、装置、计算设备及存储介质 | |
US11335453B1 (en) | Systems and methods for displaying hubs in brain data | |
CN118115458A (zh) | 人体医学信息确定方法、装置、计算设备及存储介质 | |
CN117541742A (zh) | 图像处理方法、装置、计算设备及存储介质 | |
CN117912699A (zh) | 血液流场信息确定方法、模型获得方法、装置、计算设备 | |
US20220277844A1 (en) | Order management method and program, order management system, and database for medical practices | |
CN118247225A (zh) | 人体医学信息确定方法、装置、计算设备及存储介质 | |
CN118196011A (zh) | 血液流场信息确定方法、装置、计算设备及存储介质 | |
JP2004334403A (ja) | 遠隔画像解析システムおよびその方法 | |
CN117499545A (zh) | 用于图像扫描的方法、装置、计算设备及存储介质 |
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 |