一种基于血管内超声图像的血流储备分数测量方法及系统技术方案

本发明专利技术公开了一种基于血管内超声图像的血流储备分数测量方法及系统，该方法包括：获取批量血管内超声图像并将批量血管内超声图像划分为训练集和验证集，得到训练集图像和验证集图像；基于训练集图像和验证集图像对预设模型进行优化，得到机器学习模型；获取待测血管内超声图像并进行图像特征提取，得到特征数据；将特征数据输入到机器学习模型，得到待测血管内超声图像的血流储备分数。该系统包括：划分模块、优化模块、特征模块和输出模块。通过使用本发明专利技术，根据IVUS图像即可计算FFR值，并且具有准确率高和计算要求低的特点。本发明专利技术作为一种基于血管内超声图像的血流储备分数测量方法及系统，可广泛应用于医学图像处理领域。

【技术实现步骤摘要】
一种基于血管内超声图像的血流储备分数测量方法及系统
本专利技术医学图像处理领域，尤其涉及一种基于血管内超声图像的血流储备分数测量方法及系统。
技术介绍
血流储备分数(Fractionalflowreserve,FFR)主要是冠脉狭窄下游血压与狭窄上游血压的比值，其比值越小反映狭窄对血流的影响程度越重，是当前有效应用于临床医学诊断的一个评估指标，是目前医学上定量、定点评估诊断冠脉生理状况和功能的重要手段，目前除了直接测量外，FFR值的获取的现有技术，主要包括两种，基于冠状动脉造影的FFR计算，基于OCT的FFR计算，这两种方法对于计算要求较高，不能很好的应用于临床。
技术实现思路
为了解决上述技术问题，本专利技术的目的是提供一种基于血管内超声图像的血流储备分数测量方法及系统，实现了根据IVUS图像即可计算FFR值，具有较高的准确率和计算要求低的特点。本专利技术所采用的第一技术方案是：一种基于血管内超声图像的血流储备分数测量方法，包括以下步骤：获取批量血管内超声图像并将批量血管内超声图像划分为训练集和验证集，得到本文档来自技高网...

【技术保护点】
1.一种基于血管内超声图像的血流储备分数测量方法，其特征在于，包括以下步骤：/n获取批量血管内超声图像并将批量血管内超声图像划分为训练集和验证集，得到训练集图像和验证集图像；/n基于训练集图像和验证集图像对预设模型进行优化，得到机器学习模型；/n获取待测血管内超声图像并进行图像特征提取，得到特征数据；/n将特征数据输入到机器学习模型，得到待测血管内超声图像的血流储备分数。/n

【技术特征摘要】
1.一种基于血管内超声图像的血流储备分数测量方法，其特征在于，包括以下步骤：
获取批量血管内超声图像并将批量血管内超声图像划分为训练集和验证集，得到训练集图像和验证集图像；
基于训练集图像和验证集图像对预设模型进行优化，得到机器学习模型；
获取待测血管内超声图像并进行图像特征提取，得到特征数据；
将特征数据输入到机器学习模型，得到待测血管内超声图像的血流储备分数。


2.根据权利要求1所一种基于血管内超声图像的血流储备分数测量方法，其特征在于，所述基于训练集图像和验证集图像对预设模型进行优化，得到机器学习模型这一步骤，其具体包括：
对训练集图像进行血流储备分数计算和特征提取处理，并结合深度学习算法训练预设模型，得到训练后模型；
对训练集图像进行血流储备分数计算和特征提取处理并输入到训练后模型，得到机器学习模型。


3.根据权利要求2所述一种基于血管内超声图像的血流储备分数测量方法，其特征在于，所述机器学习模型为一个自动编码器类型的网络架构，具体包括两层LSTM单元。


4.根据权利要求3所述一种基于血管内超声图像的血流储备分数测量方法，其特征在于，所述获...

【专利技术属性】
技术研发人员：张贺晔，刘修健，高智凡，林慧娴，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44