基于输入的物理信息来预测物理参数的方法和装置制造方法及图纸

本公开涉及一种基于输入的物理信息来预测物理参数的方法和装置。所述方法可以包括由处理器基于输入的物理信息利用中间子模型预测中间变量，所述中间子模型根据所述物理参数的先验信息结合关于所述中间变量的约束条件。所述方法还可以包括由所述处理器利用转换中间子模型将由所述中间子模型预测的所述中间变量转换为所述物理参数。变量转换为所述物理参数。变量转换为所述物理参数。

【技术实现步骤摘要】
基于输入的物理信息来预测物理参数的方法和装置
[0001]相关申请的交叉引用
[0002]本申请基于2020年9月21日提交的美国临时申请第63/081,279号并要求其优先权，该申请通过引用整体结合于此。


[0003]本公开涉及使用机器学习的物理参数预测，并且更具体地，涉及使用物理信息的先验信息作为约束条件来预测物理参数的方法和装置，诸如预测血管的血流储备分数(FFR)值。

技术介绍

[0004]机器学习已经用作在诸如保险(保险费预测)、医疗保健(医疗诊断、发展和生长)、农业(植物生长)等多个领域中建模复杂函数的不可或缺的工具。随学习模型的复杂度的增加，可以提高在实际应用中对各种复杂问题的预测能力。然而，由于学习模型主要被配置为基于训练数据推导从输入的物理信息到输出的物理参数的映射函数(作为黑箱)，因此预测结果可能不符合支配物理参数的基本规则。作为示例，由学习模型预测的保险费可能随年龄降低(其与保险费将随年龄增加的基本规则相矛盾)。作为另一个示例，由学习模型预测的儿童的身高可以随儿童生长而降低(其与儿童的身高应该增长的基本规则本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于输入的物理信息预测物理参数的方法，其包括：由处理器，基于所述输入的物理信息利用中间子模型预测中间变量，所述中间子模型根据所述物理参数的先验信息结合关于所述中间变量的约束条件；以及由所述处理器，利用转换子模型将由所述中间子模型预测的所述中间变量转换为所述物理参数。2.根据权利要求1所述的方法，其中所述中间子模型基于学习模型，所述转换子模型是预设函数，并且所述中间子模型和所述转换子模型利用训练数据集进行联合训练，所述训练数据集包括标注有相应的地面真值物理参数的样本物理信息。3.根据权利要求1所述的方法，其中所述中间子模型被配置为：预测未受约束的中间变量，并且将所述约束条件应用于所述未受约束的中间变量，以预测所述中间变量。4.根据权利要求1所述的方法，其中所述物理参数的所述先验信息包括所述物理参数的曲线的曲线趋势，或所述物理参数在时域或空域中的边界范围。5.根据权利要求4所述的方法，其中所述曲线趋势包括曲线变化的单调性、曲线变化的周期性、所述曲线的凸形和所述曲线的凹形中的任意一个。6.根据权利要求1所述的方法，其中所述中间子模型基于学习模型，并且所述约束条件包括激活函数。7.根据权利要求6所述的方法，其中待预测的所述物理参数包括物理参数的序列，所述物理参数的所述先验信息是物理参数的所述序列的曲线变化的单调性，所述中间变量是物理参数的所述序列的导数，所述约束条件包括激活函数，并且转换函数是积分函数。8.根据权利要求7所述的方法，其中物理参数的所述序列包括血管中的一系列位置处的血管参数。9.根据权利要求8所述的方法，其中所述血管具有血管树的结构或血管路径。10.根据权利要求6所述的方法，其中待预测的所述物理参数是单个物理参数，所述物理参数的所述先验信息是所述物理参数的边界范围，所述中间变量是通过从所述物理参数中减去所述边界范围的下限或从所述边界范围的上限减去所述物理参数来确定的，所述约束条件是激活函数，并且所述转换函数是减法。11.根据权利要求6所述的方法，其中待预测的所述物理参数包括物理参数的序列，所述物理参数的所述先验信息是物理参数的所述序列的曲线的凸形，所述中间变量是物理参数的所述序列的二阶导数，所...

【专利技术属性】
技术研发人员：孔斌，尹游兵，王昕，陆易，宋麒，
申请(专利权)人：深圳科亚医疗科技有限公司，
类型：发明
国别省市：