【技术实现步骤摘要】
瞬时无波形比值的生成方法、装置、设备及介质
本申请涉及医学检测领域，特别是瞬时无波形比值的生成方法、装置、设备及介质。
技术介绍
心血管疾病是全球的头号死因，冠状动脉粥样硬化性主动脉病(冠心病)是世界范围内最重要的心血管疾病之一。临床上，有两种冠状动脉内生理指标可用于诊断冠状动脉疾病，需要使用腺苷的血流储备分数和无需使用腺苷的瞬时无波形比值。瞬时无波形比是通过在无波动期间测量整个冠状动脉病变处的静息压力梯度来计算的。一直以来，瞬时无波形比值是心电图、无波动期间的狭窄远端压力和主动脉压共同来确定的。2015年，SayanSen和JustinE.Davies等人在《美国主动脉病学会杂志》提出，通过在静止的主动脉压力波形上准确定位目标点可以确定无波动期。这些目标点包括峰值，重博切迹和舒张末期的压力最低点。这是基于低层次形态学特征学习的方法，并且由于个体差异性有些特征点不显着。现有技术对准确定位目标点有一定缺陷，(1)在临床瞬时无波形比值计算方法中：只运用了形态学特征；存在不显着点无法准确定位来计算瞬时无波形...
【技术保护点】
1.一种瞬时无波形比值的生成方法，其特征在于，包括：/n利用设有特征增强层的人工神经网络的自学习能力，建立主动脉的压力波形特征与目标点坐标之间的对应关系；其中，所述目标点坐标包括：压力峰值、重博切迹、舒张末期的压力最低点；/n获取患者的当前主动脉的当前压力波形特征；/n通过所述对应关系，确定与所述当前压力波形特征对应的当前目标点坐标；具体地，确定与所述压力波形特征对应的当前目标点坐标，包括：将所述对应关系中与所述当前压力波形特征相同的压力波形特征所对应的目标点坐标，确定为所述当前目标点坐标；/n依据所述当前目标点坐标生产当前瞬时无波形比值。/n
【技术特征摘要】
1.一种瞬时无波形比值的生成方法，其特征在于，包括：
利用设有特征增强层的人工神经网络的自学习能力，建立主动脉的压力波形特征与目标点坐标之间的对应关系；其中，所述目标点坐标包括：压力峰值、重博切迹、舒张末期的压力最低点；
获取患者的当前主动脉的当前压力波形特征；
通过所述对应关系，确定与所述当前压力波形特征对应的当前目标点坐标；具体地，确定与所述压力波形特征对应的当前目标点坐标，包括：将所述对应关系中与所述当前压力波形特征相同的压力波形特征所对应的目标点坐标，确定为所述当前目标点坐标；
依据所述当前目标点坐标生产当前瞬时无波形比值。
2.根据权利要求1所述的方法，其特征在于，
所述压力波形特征，包括：现性特征和/或隐性特征，和/或由按设定规律自所述现性特征、所述隐性特征中提取的特征组成的一维或两维以上的数组；其中，
所述现性特征，包括：患者的性别、年龄、身高、体重；
和/或，
所述隐性特征，包括：稀疏信号的高层次空间信息，与低层次形态学特征；其中，所述隐性特征通过特征重标定对特征数据进行预筛选；
和/或，
所述对应关系，包括：函数关系；所述压力波形特征为所述函数关系的输入参数，所述目标点坐标为所述函数关系的输出参数；
确定与所述当前压力波形特征对应的当前目标点坐标，还包括：
当所述对应关系包括函数关系时，将所述当前压力波形特征输入所述函数关系中，确定所述函数关系的输出参数为当前目标点坐标。
3.根据权利要求1所述的方法，其特征在于，所述建立主动脉的压力波形特征与目标点坐标之间的对应关系的步骤，包括：
获取用于建立所述压力波形特征与所述目标点坐标之间的对应关系的样本数据；
分析所述压力波形特征的特性及其规律，根据所述特性及其规律，确定所述人工神经网络的网络结构及其网络参数；
使用所述样本数据，对所述网络结构和所述网络参数进行训练和测试，确定所述压力波形特征与所述目标点坐标的所述对应关系。
4.根据权利要求3所述的方法，其特征在于，所述获取用于建立所述压力波形特征与所述目标点坐标之间的对应关系的样本数据的步骤，包括：
收集不同主动脉状况的患者的所述压力波形特征和所述目标点坐标；
对所述压力波形特征进行分析、并结合预存的专家经验信息，选取与所述目标点坐标相关的数据作为所述压力波形特征；
将所述目标点坐标、以及选取的所述压力波形特征构成的数据对，作为样本数据。
5.根据权利要求4所述的方法，其特征在于，
所述网络结构，包括AlexNet网络，Squeeze-and-Excitation网络，VGG模型，GoogLeNet网络，ResNet网络，以及，Network-In-Network模型中的至少之一；
和/或，
所述网络参数，包括：输入尺...
【专利技术属性】
技术研发人员：张贺晔，李吉平，吴万庆，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。