血管斑块风险预测方法、装置、设备及介质制造方法及图纸

本申请公开了一种血管斑块风险预测方法、装置、设备及介质，获取用户血管的原始医学影像，根据原始医学影像生成用户血管的血管模型；根据血管模型确定用户血管的血流动力学参数；基于血流动力学参数预测用户血管的斑块风险信息，斑块风险信息包括斑块生长风险与斑块破裂风险。本申请可以通过基于用户血管的原始医学影像生成的血管模型准确地计算出用户血管的血流动力学参数，并基于血流动力学参数对用户血管的斑块生长风险与斑块破裂风险进行评估，得到用户血管的斑块风险信息，以根据斑块风险信息中斑块的生长和破裂情况对用户血管中的斑块进行有效监控。管中的斑块进行有效监控。管中的斑块进行有效监控。

【技术实现步骤摘要】
血管斑块风险预测方法、装置、设备及介质


[0001]本申请涉及图像处理
，尤其涉及一种血管斑块风险预测方法、装置、设备及介质。

技术介绍

[0002]心脑血管疾病是目前我国致死最多的疾病。血管中的斑块的生长、破裂、脱落等，给患者带来了致命的风险。目前没有完整、系统地对血管中斑块的整个生命周期进行风险预测的方法，不能根据斑块的生长和破裂情况对斑块进行监控。

技术实现思路

[0003]本申请的主要目的在于提供一种血管斑块风险预测方法、装置、设备及介质，旨在实现根据斑块的生长和破裂情况对斑块进行监控。
[0004]为实现上述目的，本申请实施例提供一种血管斑块风险预测方法，所述血管斑块风险预测方法包括：
[0005]获取用户血管的原始医学影像，根据所述原始医学影像生成所述用户血管的血管模型；
[0006]根据所述血管模型确定所述用户血管的血流动力学参数；
[0007]基于所述血流动力学参数预测所述用户血管的斑块风险信息，所述斑块风险信息包括斑块生长风险与斑块破裂风险。
[0008]优选地，所述基于所述血流动力学参数预测所述用户血管的斑块风险信息的步骤包括：
[0009]根据所述血流动力学参数与预设基于斑块风险计算公式的预测方式，预测所述用户血管的斑块风险信息；或
[0010]根据所述血流动力学参数与预设基于机器学习的斑块风险预测模型的预测方式，预测所述用户血管的斑块风险信息。
[0011]优选地，所述基于所述血流动力学参数预测所述用户血管的斑块风险信息的步骤还包括：
[0012]基于所述原始医学影像获取所述用户血管的几何信息和/或所述用户血管中斑块的特征信息；
[0013]根据所述几何信息和/或所述特征信息，以及所述血流动力学参数预测所述用户血管的斑块风险信息。
[0014]优选地，所述根据所述几何信息和/或所述特征信息，以及所述血流动力学参数预测所述用户血管的斑块风险信息的步骤包括：
[0015]根据所述几何信息和/或所述特征信息，以及所述血流动力学参数结合预设基于斑块风险计算公式的预测方式，预测所述用户血管的斑块风险信息；或
[0016]根据所述几何信息和/或所述特征信息，以及所述血流动力学参数结合预设基于
机器学习的斑块风险预测模型的预测方式，预测所述用户血管的斑块风险信息。
[0017]优选地，所述根据所述原始医学影像生成所述用户血管的血管模型的步骤包括：
[0018]根据预设图像处理方法与所述原始医学影像生成所述用户血管的血管模型，其中，所述预设图像处理方法包括阈值法和滤波法；或
[0019]根据基于机器学习的血管预测算法与所述原始医学影像生成所述用户血管的血管模型。
[0020]优选地，所述根据所述血管模型确定所述用户血管的血流动力学参数的步骤包括：
[0021]根据所述血管模型与基于机器学习的动力学参数预测算法确定所述用户血管的血流动力学参数；或
[0022]根据所述血管模型与计算流体力学方法确定所述用户血管的血流动力学参数。
[0023]优选地，所述血流动力学参数包括壁面剪切力、轴向斑块应力、震荡剪切指数、时均壁面剪切力、血流储备分数中的一种或多种。
[0024]为实现上述目的，本申请还提供一种血管斑块风险预测装置，所述血管斑块风险预测装置包括：
[0025]获取模块，用于获取用户血管的原始医学影像，根据所述原始医学影像生成所述用户血管的血管模型；
[0026]确定模块，用于根据所述血管模型确定所述用户血管的血流动力学参数；
[0027]预测模块，用于基于所述血流动力学参数预测所述用户血管的斑块风险信息，所述斑块风险信息包括斑块生长风险与斑块破裂风险。
[0028]进一步地，为实现上述目的，本申请还提供一种血管斑块风险预测设备，所述血管斑块风险预测设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的血管斑块风险预测程序，所述血管斑块风险预测程序被所述处理器执行时实现上述的血管斑块风险预测方法的步骤。
[0029]进一步地，为实现上述目的，本申请还提供一种介质，所述介质为计算机可读存储介质，所述计算机可读存储介质上存储有血管斑块风险预测程序，所述血管斑块风险预测程序被处理器执行时实现上述的血管斑块风险预测方法的步骤。
[0030]进一步地，为实现上述目的，本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述的血管斑块风险预测方法的步骤。
[0031]本申请实施例提供一种血管斑块风险预测方法、装置、设备及介质，获取用户血管的原始医学影像，根据所述原始医学影像生成所述用户血管的血管模型；根据所述血管模型确定所述用户血管的血流动力学参数；基于所述血流动力学参数预测所述用户血管的斑块风险信息，所述斑块风险信息包括斑块生长风险与斑块破裂风险。本申请可以通过基于用户血管的原始医学影像生成的血管模型准确地计算出用户血管的血流动力学参数，并基于血流动力学参数对用户血管的斑块生长风险与斑块破裂风险进行评估，得到用户血管的斑块风险信息，以根据斑块风险信息中斑块的生长和破裂情况对用户血管中的斑块进行有效监控。
附图说明
[0032]图1为本申请血管斑块风险预测方法实施例方案涉及的硬件运行环境的结构示意图；
[0033]图2为本申请血管斑块风险预测方法第一实施例的流程示意图；
[0034]图3为本申请血管斑块风险预测方法第二实施例的流程示意图；
[0035]图4为本申请血管斑块风险预测方法第三实施例的流程示意图；
[0036]图5为本申请血管斑块风险预测装置较佳实施例的功能模块示意图。
[0037]本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0038]应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0039]本专利技术实施例的主要解决方案是：获取用户血管的原始医学影像，根据所述原始医学影像生成所述用户血管的血管模型；根据所述血管模型确定所述用户血管的血流动力学参数；基于所述血流动力学参数预测所述用户血管的斑块风险信息，所述斑块风险信息包括斑块生长风险与斑块破裂风险。本申请可以通过基于用户血管的原始医学影像生成的血管模型准确地计算出用户血管的血流动力学参数，并基于血流动力学参数对用户血管的斑块生长风险与斑块破裂风险进行评估，得到用户血管的斑块风险信息，以根据斑块风险信息中斑块的生长和破裂情况对用户血管中的斑块进行有效监控。
[0040]本专利技术实施例涉及的专业术语包括：
[0041]CTA：计算机断层扫描血管造影；指利用多排螺旋CT(Computed Tomography，计算机体层摄影)对冠状动脉进行扫描，得到冠脉断层扫描图像，从而了解冠状动脉病变的情况。
[0042]斑块：斑块指的是血管夹层中生长出来的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血管斑块风险预测方法，其特征在于，所述血管斑块风险预测方法包括：获取用户血管的原始医学影像，根据所述原始医学影像生成所述用户血管的血管模型；根据所述血管模型确定所述用户血管的血流动力学参数；基于所述血流动力学参数预测所述用户血管的斑块风险信息，所述斑块风险信息包括斑块生长风险与斑块破裂风险。2.如权利要求1所述的血管斑块风险预测方法，其特征在于，所述基于所述血流动力学参数预测所述用户血管的斑块风险信息的步骤包括：根据所述血流动力学参数与预设基于斑块风险计算公式的预测方式，预测所述用户血管的斑块风险信息；或根据所述血流动力学参数与预设基于机器学习的斑块风险预测模型的预测方式，预测所述用户血管的斑块风险信息。3.如权利要求2所述的血管斑块风险预测方法，其特征在于，所述基于所述血流动力学参数预测所述用户血管的斑块风险信息的步骤还包括：基于所述原始医学影像获取所述用户血管的几何信息和/或所述用户血管中斑块的特征信息；根据所述几何信息和/或所述特征信息，以及所述血流动力学参数预测所述用户血管的斑块风险信息。4.如权利要求3所述的血管斑块风险预测方法，其特征在于，所述根据所述几何信息和/或所述特征信息，以及所述血流动力学参数预测所述用户血管的斑块风险信息的步骤包括：根据所述几何信息和/或所述特征信息，以及所述血流动力学参数结合预设基于斑块风险计算公式的预测方式，预测所述用户血管的斑块风险信息；或根据所述几何信息和/或所述特征信息，以及所述血流动力学参数结合预设基于机器学习的斑块风险预测模型的预测方式，预测所述用户血管的斑块风险信息。5.如权利要求1所述的血管斑块风险预测方法，其特征在于，所述根据所述原始医学影像生成所述用户血管的血管模型的步骤包括：根据预设图像处理方法与所...

【专利技术属性】
技术研发人员：杨帆，马骏，兰宏志，郑凌霄，
申请(专利权)人：深圳睿心智能医疗科技有限公司，
类型：发明
国别省市：