【技术实现步骤摘要】
一种脑环境参数确定装置、方法及电子设备
本申请涉及医学数据处理领域，具体而言，涉及一种脑环境参数确定装置、方法及电子设备。
技术介绍
目前，已经有多种算法应用于脑环境研究：全脑评估多以压力容积法、集总参数模型等将脑部看作一个整体，研究输入与输出之间的拟合，对系统内部不予考虑，因此不能反映出血液网络和脑脊液的相互作用；脑环境流体力学模型主要考虑软组织形变以及细胞外液与毛细血管的物质交换，涉及血管网络和脑室系统两个腔室系统，致力于表现血液和脑脊液等流体网络中的渗透性质。然而，脑环境中血管网络主要有动脉血管、静脉血管和毛细血管网，血管性质差异导致其中流体渗透各不相同。因此，采用现有技术中的方法，得到的脑环境数据均不准确。
技术实现思路
本申请实施例的目的在于提供一种脑环境参数确定装置、方法及电子设备，用以解决计算得到的脑环境数据准确度较低的技术问题。为了实现上述目的，本申请实施例所提供的技术方案如下所示：第一方面，本申请实施例提供一种脑环境参数确定方法，包括：获取脑边界条件、脑参数以及受试者的全...
【技术保护点】
1.一种脑环境参数确定装置，其特征在于，包括：/n第一获取模块，用于获取脑边界条件、脑参数以及受试者的全脑模型数据；/n确定模块，用于根据多网络孔隙介质弹性力学模型确定所述全脑模型数据对应的控制方程；其中，所述控制方程用于描述全脑的动量守恒以及质量守恒；/n计算模块，用于将所述脑参数以及所述全脑模型数据带入所述控制方程中，进行以所述脑边界条件为约束条件的迭代计算直至所述控制方程收敛，获得所述受试者的脑环境参数。/n
【技术特征摘要】
1.一种脑环境参数确定装置，其特征在于，包括：
第一获取模块，用于获取脑边界条件、脑参数以及受试者的全脑模型数据；
确定模块，用于根据多网络孔隙介质弹性力学模型确定所述全脑模型数据对应的控制方程；其中，所述控制方程用于描述全脑的动量守恒以及质量守恒；
计算模块，用于将所述脑参数以及所述全脑模型数据带入所述控制方程中，进行以所述脑边界条件为约束条件的迭代计算直至所述控制方程收敛，获得所述受试者的脑环境参数。
2.根据权利要求1所述的脑环境参数确定装置，其特征在于，所述脑环境参数确定装置还包括：
第二获取模块，用于获取所述受试者的全脑核磁共振图像；
模型构建模块，用于根据所述全脑核磁共振图像构建所述受试者的全脑模型；
网格划分模块，用于对所述全脑模型进行网格划分以及网格标记，以获得所述全脑模型数据。
3.根据权利要求2所述的脑环境参数确定装置，其特征在于，所述网格划分模块还用于：
利用流体的力学性质对所述全脑模型进行网格划分，得到四重流体网络；其中，所述四重流体网络包括动脉血管网络、小动脉及毛细血管网络、脑脊液及组织液网络和静脉血管网络。
4.根据权利要求3所述的脑环境参数确定装置，其特征在于，所述确定模块还用于：
根据所述多网络孔隙介质弹性力学模型确定所述四重流体网络的平衡方程以及连续方程；其中，所述平衡方程表示所述全脑模型的动量守恒，所述连续方程表示所述四重流体网络的质量守恒；
所述脑环境参数确定装置还包括：
离散模块，用于对所述平衡方程以及所述连续方程进行离散化处理。
5.根据权利要求4所述的脑环境参数确定装置，其特征在于，所述平衡方程为：
其中，u是脑组织的位移，pi是每个流体网络中的压力，G是剪切模量，λ是拉梅常数，ε是膨胀应变，αi是每个流体网络的Biot-Willis系数，满足φ≤αa+αc+αe+αv≤1，φ是总孔隙度，αa是所述动脉血管网络的Biot-Willis系数，αc是所述小动脉及毛细血管网络的Biot-Willis系数，αe是所述脑脊液及组织液网络的Biot-Willis系数，αv是所述静脉血管网络的Biot-Willis系数。
6.根据权利要求5所述的脑环境参数确定装置，其特征在于，离散后的平衡方程为：
Ku-∑Qipi＝F；
其中，u是脑组织的位移，pi是第i个流体网络中...
【专利技术属性】
技术研发人员：郭立伟，陈端端，李泽燕，梅玉倩，李振锋，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11
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。