一种血管参数的计算方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种血管参数的计算方法、装置、设备及存储介质。该方法包括：确定待检测网格血管图像和与所述待检测网格血管图像对应的血流参数；基于所述血流参数对所述待检测网格血管图像进行初始化设置；将经所述初始化设置的待检测网格血管图像输入到预先训练完成的血管参数网络模型中，得到输出的所述待检测网格血管图像中各网格节点处的目标血管参数。本发明专利技术实施例通过血管参数网络模型计算血管动力学参数，解决了血管动力学参数计算复杂的问题，提高了血管动力学参数的计算效率和计算结果的准确率。

【技术实现步骤摘要】
一种血管参数的计算方法、装置、设备及存储介质
本专利技术实施例涉及血管影像
，尤其涉及一种血管参数的计算方法、装置、设备及存储介质。
技术介绍
计算机断层扫描(ComputedTomography，CT)、磁共振检查(MagneticResonance，MR)和C型臂X光机等医学影像学技术在医学诊断和治疗中发挥着重要作用。尤其是通过采用大C型臂的数字剪影血管成像技术(digitalsubtractionangiography，DSA)对血管进行成像分析时，目前的现有技术主要是通过图像分割方法，对血管图像进行分割，以便医生可以清楚的观察到目标血管的形态结构，进而判断目标血管是否存在狭窄、斑块和动脉瘤等问题。进一步的，通过血流参数检测设备，如多普勒超声检查设备，可以得到被测部位的血流参数信息，医生通过结合血管的形状结构信息和血流参数信息，对被测部位进行诊断分析和制定治疗计划。近年来随着医学的进步，医生希望能进一步了解这些血管中的血流情况，以便对疾病进行更加准确的诊断。因为血管对人体生命活动最重要的功能，只观察到血管的形态和整体上的血流参数，并不足以判断某一特定目标血管供血是否充足，或该处的血管狭窄是否是影响血流参数异常的主要原因。因此，针对每个单位血管位置处的血管动力学参数的研究越来越受到重视。有人提出根据血管图像和生理参数，计算血流的特征向量，根据特征向量采用机器学习的方法进行分类，生成每个体素处的血流信息。这种方法的缺点在于特征向量很难提取，需要大量的实验和经验，也只能得到比较近似的效果，无法全面的模拟血流信息，得到的血管参数结果准确度不高。
技术实现思路
本专利技术实施例提供了一种血管参数的计算方法、装置、设备及存储介质，以提高血管动力学参数的计算效率和计算结果的准确率。第一方面，本专利技术实施例提供了一种血管参数的计算方法，该方法包括：确定待检测网格血管图像和与所述待检测网格血管图像对应的血流参数；基于所述血流参数对所述待检测网格血管图像进行初始化设置；将经所述初始化设置的待检测网格血管图像输入到预先训练完成的血管参数网络模型中，得到输出的所述待检测网格血管图像中各网格节点处的目标血管参数。第二方面，本专利技术实施例还提供了一种血管参数的计算装置，该装置包括：待检测网格血管图像确定模块，用于确定待检测网格血管图像和与所述待检测网格血管图像对应的血流参数；初始化设置模块，用于基于所述血流参数对所述待检测网格血管图像进行初始化设置；目标血管参数确定模块，用于将经所述初始化设置的待检测网格血管图像输入到预先训练完成的血管参数网络模型中，得到输出的所述待检测网格血管图像中各网格节点处的目标血管参数。第三方面，本专利技术实施例还提供了一种设备，该设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述所涉及的任一所述的血管参数的计算方法。第四方面，本专利技术实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行上述所涉及的任一所述的血管参数的计算方法。本专利技术实施例通过血管参数网络模型计算血管动力学参数，解决了血管动力学参数计算复杂的问题，提高了血管动力学参数的计算效率和计算结果的准确率。附图说明图1是本专利技术实施例一提供的一种血管参数的计算方法的流程图。图2是本专利技术实施例一提供的一种待检测网格血管图像的示意图。图3是本专利技术实施例一提供的一种血管参数的计算方法的具体实例的流程图。图4是本专利技术实施例二提供的一种血管参数的计算方法的流程图。图5是本专利技术实施例二提供的一种血管参数网络模型的示意图。图6是本专利技术实施例二提供的一种血管参数网络模型的训练方法的流程图。图7是本专利技术实施例三提供的一种血管参数的计算装置的示意图。图8是本专利技术实施例四提供的一种设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1是本专利技术实施例一提供的一种血管参数的计算方法的流程图，本实施例可适用于对血管图像中各节点处的血管动力学参数进行计算情况，该方法可以由血管参数的计算装置来执行，该装置可采用软件和/或硬件的方式实现。具体包括如下步骤：S110、确定待检测网格血管图像和与待检测网格血管图像对应的血流参数；在一个实施例中，可选的，待检测网格血管图像包括二维表面网格血管图像或三维体网格血管图像。其中，二维表面网格血管图像是基于二维血管图像进行网格划分后得到的图像。其中，三维体网格血管图像是对二维血管图像中的血管进行三维重建，并基于三维重建后的三维血管图像进行网格划分。此处对待检测网格血管图像的类型不作限定。在一个实施例中，可选的，获取待检测原始图像，并对待检测原始图像进行分割得到待检测血管图像；对待检测血管图像进行网格划分，得到待检测网格血管图像。其中，示例性的，待检测原始图像的类型可以是CT血管造影图像、MR血管造影图像、磁共振TOF序列图像或数字减影血管造影图像等。其中，示例性的，待检测原始图像可以是心脏冠状动脉图像、颈部血管图像、脑血管瘤图像和主动脉夹层图像等。此处对待检测原始图像的类型和图像内容不作限定。在一个实施例中，采用的图像分割方法包括但不限于基于阈值的分割方法、基于区域生长的分割方法、基于数学形态学的分割方法、基于统计学的分割方法和基于变形模型的分割方法等等。其中，网格划分是将感兴趣区域图像分割成有限个子区域或子元素，以满足和适应数值模拟计算方法。在一个实施例中，网格划分的方法包括但不限于Advancingfront方法、Delauney三角剖分法、无限插值法、PDE网格生成法和C.O.H.网格生成法等。其中，示例性的，Delauney三角剖分法生成的网格均为锐角三角网格。在二维网格图像中，任意两个锐角三角网格不相交，或相交于一条公共边且不同时相交于两条及两条以上的边。在三维网格图像中，任意两个锐角三角网格不相交，或相交于一条公共面且不同时相交于两个及两个以上的面。在一个实施例中，可选的，根据待检测血管图像中血管的类型和/或弧度，确定划分的网格密度；基于网格密度对待检测血管图像进行网格划分，得到待检测网格血管图像。在一个实施例中，根据待检测血管图像中血管的类型确定划分的网格密度。其中，具体的，建立血管的类型与网格密度之间的映射关系，根据映射关系确定与血管类型对应的网格密度。其中，待检测血管图像包括至少一个血管图像，其中，各血管图像的血管类型可以是一种，也可以是多种。示例性的，待检测血管图像可包括主动脉血管和冠状动脉血管。在一个实施例中，可选的，主动脉血本文档来自技高网...

【技术保护点】
1.一种血管参数的计算方法，其特征在于，包括：/n确定待检测网格血管图像和与所述待检测网格血管图像对应的血流参数；/n基于所述血流参数对所述待检测网格血管图像进行初始化设置；/n将经所述初始化设置的待检测网格血管图像输入到预先训练完成的血管参数网络模型中，得到输出的所述待检测网格血管图像中各网格节点处的目标血管参数。/n

【技术特征摘要】
1.一种血管参数的计算方法，其特征在于，包括：
确定待检测网格血管图像和与所述待检测网格血管图像对应的血流参数；
基于所述血流参数对所述待检测网格血管图像进行初始化设置；
将经所述初始化设置的待检测网格血管图像输入到预先训练完成的血管参数网络模型中，得到输出的所述待检测网格血管图像中各网格节点处的目标血管参数。


2.根据权利要求1所述的方法，其特征在于，所述血管参数网络模型包括图神经网络模型。


3.根据权利要求1所述的方法，其特征在于，所述确定待检测网格血管图像，包括：
获取待检测原始图像，并对所述待检测原始图像进行分割得到待检测血管图像；
对所述待检测血管图像进行网格划分，得到待检测网格血管图像。


4.根据权利要求3所述的方法，其特征在于，所述对所述待检测血管图像进行网格划分，得到待检测网格血管图像，包括：
根据所述待检测血管图像中血管的类型和/或弧度，确定划分的网格密度；
基于所述网格密度对所述待检测血管图像进行网格划分，得到待检测网格血管图像。


5.根据权利要求1所述的方法，其特征在于，所述基于所述血流参数对所述待检测网格血管图像进行初始化设置，包括：
基于所述血流参数设置所述待检测网格血管图像的边界节点的初始值；
基于预设数值设置所述待检测网格血管图像的非边界节点的初始值。


6.根据权利要求1所述的方法，其特征在于，还包括：
基于待训练网格血管图像对应的待训练血流参数对所述待训练网格血管图像进行初始化设置；
将经过初始化设置后的待训练网格血管图像输入到初始血管参数网络模型中，得到输出结果，其中，所述输出结果包括所述待训练网格血管图...

【专利技术属性】
技术研发人员：王晓东，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海;31