斑块评估方法、装置、电子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斑块评估方法、装置、电子设备及存储介质。该方法包括：获取被测斑块图像以及与所述被测斑块图像对应的力学模拟参数；根据所述被测斑块图像、所述力学模拟参数和预先训练完成的目标斑块评估模型，确定与所述被测斑块图像对应的斑块评估结果。本发明专利技术实施例通过引入力学模拟参数，根据包含斑块的形态结构的被测斑块图像和与斑块相关的力学模拟参数共同预测斑块的状态信息，解决了斑块评估不准确的问题，降低了医生的工作量，进而提高了医生的工作效率。进而提高了医生的工作效率。进而提高了医生的工作效率。

【技术实现步骤摘要】
斑块评估方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及医学图像
，尤其涉及一种斑块评估方法、装置、电子设备及存储介质。

技术介绍

[0002]在人的冠脉、颈动脉等动脉血管中，容易出现斑块。在这些斑块中，有些斑块本身比较稳定，发展缓慢；有些斑块发展较快，持续体积增大会造成血管腔内狭窄，影响血管下游供血；还有些斑块属于易损斑块，容易脱落，大片斑块脱落会造成下游动脉栓塞，导致心肌梗死、脑中风等严重疾病。因此，评估动脉斑块的大小形态和是否易损等属性，就成了临床医学上非常重要的任务。
[0003]目前通过CT(Computed Tomography，电子计算机断层扫描)造影、MR(Magnetic Resonance，磁共振)技术等成像技术，可以将这些血管中的斑块在三维断层图像上显示出来。但是，如何对这些斑块进行分析，是目前医学上的一个难点。传统上，医生直接观察图像，手动测量斑块并通过经验综合判断斑块性质，但这种方法工作量较大，不够准确，受医生的经验和水平各不相同，无法进行标准化。

技术实现思路

[0004]本专利技术实施例提供了一种斑块评估方法、装置、电子设备及存储介质，以提高斑块评估的准确度。
[0005]第一方面，本专利技术实施例提供了一种斑块评估方法、装置、电子设备及存储介质，该方法包括：
[0006]获取被测斑块图像以及与所述被测斑块图像对应的力学模拟参数；
[0007]根据所述被测斑块图像、所述力学模拟参数和预先训练完成的目标斑块评估模型，确定与所述被测斑块图像对应的斑块评估结果。
[0008]第二方面，本专利技术实施例还提供了一种斑块评估装置，该装置包括：
[0009]力学模拟参数获取模块，用于获取被测斑块图像以及与所述被测斑块图像对应的力学模拟参数；
[0010]斑块评估结果输出模块，用于根据所述被测斑块图像、所述力学模拟参数和预先训练完成的目标斑块评估模型，确定与所述被测斑块图像对应的斑块评估结果。
[0011]第三方面，本专利技术实施例还提供了一种电子设备，该电子设备包括：
[0012]一个或多个处理器；
[0013]存储器，用于存储一个或多个程序；
[0014]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斑块评估方法。
[0015]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斑块评估
方法。
[0016]本专利技术实施例通过引入力学模拟参数，根据包含斑块的形态结构的被测斑块图像和与斑块相关的力学模拟参数共同预测斑块的状态信息，解决了斑块评估不准确的问题，降低了医生的工作量，进而提高了医生的工作效率。
附图说明
[0017]图1是本专利技术实施例一提供的一种斑块评估方法的流程图；
[0018]图2是本专利技术实施例一提供的一种目标斑块评估模型的示意图；
[0019]图3是本专利技术实施例二提供的一种斑块评估方法的流程图；
[0020]图4是本专利技术实施例二提供的一种目标斑块评估模型的示意图；
[0021]图5是本专利技术实施例三提供的一种斑块评估方法的流程图；
[0022]图6是本专利技术实施例三提供的一种目标斑块评估模型的示意图；
[0023]图7是本专利技术实施例四提供的一种斑块评估装置的示意图；
[0024]图8是本专利技术实施例五提供的一种电子设备的结构示意图。
具体实施方式
[0025]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。
[0026]实施例一
[0027]图1是本专利技术实施例一提供的一种斑块评估方法的流程图，本实施例可适用于对采集到的斑块图像中的斑块性质进行评估的情况，该方法可以由斑块评估装置来执行，该装置可采用软件和/或硬件的方式实现，该装置可以配置于终端设备中。具体包括如下步骤：
[0028]S110、获取被测斑块图像以及与被测斑块图像对应的力学模拟参数。
[0029]其中，具体的，被测斑块图像包含被测对象的斑块图像。在一个实施例中，可选的，获取图像采集设备采集到的被测组织图像，对被测组织图像进行分割，得到被测斑块图像。其中，示例性的，图像采集设备包括但不限于CT设备或MR设备。其中，具体的，由于斑块常出现在血管或组织器官中，因此被测斑块图像包括斑块图像以及斑块附近的血管管腔图像或组织器官图像。
[0030]其中，具体的，力学模拟参数包括流体力学参数。流体力学参数可用于描述在各种力的作用下，流体在静止状态或运动状态以及流体和所在固体界壁间有相对运动时的流动规律的力学参数。在本实施例中，示例性的，力学模拟参数包括但不限于血管管腔的不同位置处的压力值、血流速度和血管壁面切应力等等。
[0031]在一个实施例中，可选的，获取被测斑块图像以及与被测斑块图像对应的力学模拟参数，包括：获取被测血管图像，对被测血管图像进行分割得到被测斑块图像；基于预设力学方法，确定与被测斑块图像对应的力学模拟参数。
[0032]在一个实施例中，可选的，预设力学方法包括流体力学模型方法、流固体耦合方法和理想模型模拟方法中至少一种。
满足公式：A2＝πR
2-πr2/2，其中，r表示血流参数中的斑块半径。则狭窄区域处的血流速度V2满足公式：其中，V1表示血流参数中的血流速度。狭窄区域处的压降ΔP满足公式：其中，K
L
表示经验参数或比例系数，示例性的，对于圆柱模型，血管入口处的K
L
约为0.03，血管出口处K
L
约为1.0，ρ表示血流参数中的流体密度。
[0041]S120、根据被测斑块图像、力学模拟参数和预先训练完成的目标斑块评估模型，确定与被测斑块图像对应的斑块评估结果。
[0042]其中，示例性的，目标斑块评估模型包括但不限于卷积神经网络模型(Convolutional Neural Networks，CNN)、循环神经网络模型(Recurrent Neural Network，RNN)、编码解码网络模型、生成对抗网络模型(Generate Adversarial Network，GAN)或深度置信网络模型(Deep Belief Network，DBN)等等。
[0043]在一个实施例中，可选的，目标斑块评估模型包括第一网络模型和第二网络模型，相应的，目标斑块评估模型具体用于：将被测斑块图像和力学模拟参数输入到第一网络模型中得到输出的第一特征向量；根据第一特征向量和第二网络模型确定第二特征向量，并根据第二特征向量和预设函数计算得到与被测斑块图像对应的斑块评估结果。
[0044]在一个实施例中，可选的，第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种斑块评估方法，其特征在于，包括：获取被测斑块图像以及与所述被测斑块图像对应的力学模拟参数；根据所述被测斑块图像、所述力学模拟参数和预先训练完成的目标斑块评估模型，确定与所述被测斑块图像对应的斑块评估结果。2.根据权利要求1所述的方法，其特征在于，所述获取被测斑块图像以及与所述被测斑块图像对应的力学模拟参数，包括：获取被测血管图像，对所述被测血管图像进行分割得到被测斑块图像；基于预设力学方法，确定与所述被测斑块图像对应的力学模拟参数。3.根据权利要求1所述的方法，其特征在于，所述目标斑块评估模型包括第一网络模型和第二网络模型，所述目标斑块评估模型具体用于：将所述被测斑块图像和所述力学模拟参数输入到所述第一网络模型中得到输出的第一特征向量；根据所述第一特征向量和所述第二网络模型确定第二特征向量，并根据所述第二特征向量和预设函数计算得到与所述被测斑块图像对应的斑块评估结果。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取与所述被测斑块图像对应的生理参数；相应的，所述目标斑块评估模型还包括第三网络模型，所述目标斑块评估模型具体用于：将所述生理参数输入到所述第三网络模型中得到输出的第三特征向量，并将所述第一特征向量和所述第三特征向量输入到所述第二网络模型中得到输出的第二特征向量。5.根据权利要求1所述的方法，其特征在于，所述目标斑块评估模型包括第二斑块评估模型和至少一种第一斑块评估模型，相应的，所述目标斑块评估模型具体用于：根据至少一种时间序列对应的被测斑块图像、与...

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