基于光学相干断层成像的血流储备分数预测方法、装置及计算机存储介质制造方法及图纸

本发明专利技术公开基于光学相干断层成像的血流储备分数预测方法、装置及计算机存储介质，通过建立多任务学习模型，采用端到端的网络结构同时识别出OCT影像中的管腔和分叉；同时，考虑到管腔、分叉具有一定的结构特性和空间位置关系，构建基于空间结构约束的多任务学习模型，实现管腔、分叉的精准识别，同时解决传统网络模型中存在的结构信息缺失、类别不平衡等问题，提高模型的泛化能力；为了实现参考帧的自动选择，同时解决OCT健康血管和非健康血管在视觉上的相似性问题，提出了基于三元组损失的OCT健康血管分类网络；然后利用流体动力学程式，结合管腔轮廓面积、分叉和参考帧，提出构建基于多参数的FFR预测技术，精准测算FFR。精准测算FFR。精准测算FFR。

【技术实现步骤摘要】
基于光学相干断层成像的血流储备分数预测方法、装置及计算机存储介质


[0001]本专利技术属于医疗
，具体涉及一种光学相干断层扫描成像的血流储备分数的预测方法及装置。

技术介绍
：
[0002]光学相干断层扫描成像(Optical Coherence Tomography，OCT)，是一种腔内影像的成像技术，该技术利用弱相干光干涉仪的基本原理，通过记录不同深度的生物组织的反射光然后计算机重构反射光信号，形成能被简单识别的生物组织结构图像。成像快、分辨率高、准确识别斑块以及支架植入效果评价精确都让OCT逐渐成为冠心病诊断和PCI介入治疗中重要的影像技术。相比于血管内超声影像(Intravascular Ultrasound,IVUS)，OCT影像的分辨率高达10～20μm(IVUS分辨率约为100μm)，不仅可以准确分辨出解剖学狭窄程度，而且可以看清血管壁内斑块的类别与形状，从而可以更加精准的评估病变。
[0003]血流储备分数(Fractional Flow Reserve,FFR)是指冠状动脉在发生病变时为所供应的心肌区域提供的最大血流量和理论上未发生病变对该区域提供的最大血流量之比。长期的科学研究和临床试验表明，FFR可作为冠状动脉狭窄功能性评价的“金标准”，FFR可以准确判断冠脉狭窄病变与心肌缺血的关系，正确指导冠脉介入治疗，评价冠脉介入治疗的结果和预后。通常认为病变血管FFR值低于0.75时需要进行介入治疗，但FFR测量存在以下缺陷，如为使患者血管达到最大充血状态，需要注射腺苷，这对于如肾功能有缺失的患者、对注射药物有不适反应的患者，则无法进行测量，患者的健康得不到保障。而且，插入压力导丝的所需要的反应时间较长，会使患者较为痛苦；同时，压力导丝体内检测造价普遍较高，医疗花费较大。故现在FFR检测普遍率较低。
[0004]为了解决上述检测血流储备分数方法需要配合采用三磷酸腺苷等血管扩张药物诱导最大充血反应，对于不适用相关药物的患者无法进行检测，不能保障患者的健康，属于有创操作，而且由于测量插入压力导丝，不仅医生操作麻烦，而且时间较长，患者比较痛苦，每次压力导丝的费用需要人民币1万元左右，费用较高。随着技术的发展，许多研究者开发出一些影像学手段辅助计算FFR，杭州脉流公司提出的基于腔内影像计算血流储备分数的方法就是其中的代表。
[0005]CN111134651，公开日期：2020
‑
05
‑
12，阐述了一种基于腔内影像计算血流储备分数的方法、装置、系统和计算机存储介质，其中获取血流储备分数的方法，包括步骤S1，获取与冠状动脉血管相关的影像数据，通过对影像数据的处理构建相应的三维血管模型；其中与冠状动脉血管相关的影像数据包括：腔内影像数据以及冠脉造影影像数据；步骤S2，根据所述三维血管模型以及流体动力学方法计算血液流动方程，以获得三维血管模型所表达区域的冠状动脉的血液动力学参数分布；步骤S3，根据步骤S2获取的血液动力学参数，计算得到所述血流储备分数，可精确计算获取患者冠状动脉FFR。
[0006]然而，在现实实践过程中，运用现有技术计算血流储备分数，虽然其有效识别了管
腔面积，但是在选择参考帧(正常/健康管腔)通常需要手动进行选择，不仅需要花费更多的时间，也需要医生具有比较丰富的临床经验，而且容易引入主观误差，从而降低FFR的预测精度。

技术实现思路

[0007]本专利技术所要解决的技术问题在于，通过建立多任务学习模型，采用端到端的网络结构同时识别出OCT影像中的管腔和分叉；同时，考虑到管腔、分叉具有一定的结构特性和空间位置关系，构建基于空间结构约束的多任务学习模型，实现管腔、分叉的精准识别，同时解决传统网络模型中存在的结构信息缺失、类别不平衡等问题，提高模型的泛化能力；为了实现参考帧的自动选择，同时解决OCT健康血管和非健康血管在视觉上的相似性问题，提出了基于三元组损失的OCT健康血管分类网络；然后利用流体动力学程式，结合管腔轮廓面积、分叉和参考帧，提出构建基于多参数的FFR预测技术，精准测算FFR。
[0008]为了实现上述技术任务，本专利技术采用如下技术方案予以实现：
[0009]基于光学相干断层扫描影像的血流储备分数预测装置，包括探头接口模块、显示模块，还包括探测模块、信号处理模块和数据计算模块，所述的探测模块、探头接口模块、信号处理模块、数据计算模块和显示模块依次相连；
[0010]探头接口模块，用于光信号发射和接收，并联动探测模块进行回撤；
[0011]探测模块，包含导管1、弹性构件2、光纤3、探头4、导丝5、透明外管套6、冲洗液出口7，用于传输探头接口模块发射的光信号，并将从组织返回的光信号再传回到探头接口模块，上述信号通过探头接口模块发送给信号处理模块，主要用于传输探头接口模块发射的光信号，并将从组织返回的光信号再传回到探头接口模块，上述信号通过探头接口模块发送给信号处理模块。
[0012]信号处理模块，用于将探头接口模块输入的光信号转换成为图像信息；并且对图像信息进行数据校准、图像增强；
[0013]数据采集单元，将在同一时间从组织中反射回来的光信号与参照反光镜反射回来的光信号相叠加、干涉，产生的干涉信号被光电探测器探测，经探测器把干涉后的光信号转换成电信号，从而实现数据的采集。由于探测器输出的电信号比较微弱，因此需要信号放大器进行放大，并将放大后的电信号发送给数据处理单元；
[0014]数据处理单元，对数据采集单元输入的电信号进行信号转换，得到图像信息，并对图像信息进行数据校准、图像增强；
[0015]数据计算模块，基于OCT影像及多任务学习机制，构建联合管腔、分叉识别框架，通过对探测模块输入的信号进行处理，得到血管管腔边缘、形态、结构空间信息，获取血管管腔边界，计算血管管腔面积，得到分叉位置；
[0016]通过对数据处理单元输入的图像进行处理，构建基于三元组的健康血管识别模型，通过增加类间的差异性及类内的相似性，识别出回拉OCT图像中的健康血管，并结合管腔面积及分叉位置，选出参考帧；
[0017]进一步利用流体动力学模型，结合血管管腔面积、参考帧面积，计算出血管内的血流量、流阻，结合实际测量的收缩压和舒张压数据，得到血管内FFR值，从而实现FFR的全自动计算；
[0018]显示模块，用于将数据计算模块得到的处理结果呈现在显示器上。
[0019]本专利技术还公开了一种基于光学相干断层扫描影像的血流储备分数预测方法，该方法包括如下步骤：
[0020]步骤1，近红外光从组织返回来的光信号与参照反光镜反射回来的光信号相叠加、干涉，产生的干涉信号被光电探测器探测，经探测器把干涉后的光信号转换成电信号，由于探测器输出的电信号比较微弱，因此需要信号放大器进行放大，并将放大后的电信号发送给信号处理模块完成信号数据采集；
[0021]步骤2，将采集信号数据进行信号转换、图像校准、图像增强，完成图像数据采集；
[0022]步骤3，构建管腔、分叉的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光学相干断层扫描影像的血流储备分数预测装置，包括探头接口模块、显示模块，其特征在于：还包括探测模块、信号处理模块和数据计算模块，所述的探测模块、探头接口模块、信号处理模块、数据计算模块和显示模块依次相连；探头接口模块，用于光信号发射和接收，并联动探测模块进行回撤；探测模块，包含导管1、弹性构件2、光纤3、探头4、导丝5、透明外管套6、冲洗液出口7，用于传输探头接口模块发射的光信号，并将从组织返回的光信号再传回到探头接口模块，上述信号通过探头接口模块发送给信号处理模块；信号处理模块，用于将探测模块发射或接受的光信号转换成为图像信息；并且对图像信息进行数据校准、图像增强；数据计算模块，基于OCT影像及多任务学习机制，构建联合管腔、分叉识别框架，通过对探测模块输入的信号进行处理，得到血管管腔边缘、形态、结构空间信息，获取血管管腔边界，计算血管管腔面积，得到分叉位置；通过构建基于三元组的健康血管识别模型，通过增加类间的差异性及类内的相似性，识别出回拉OCT图像中的健康血管，并结合管腔面积及分叉位置，选出参考帧；进一步利用流体动力学模型，结合血管管腔面积、参考帧面积，计算出血管内的血流量、流阻，结合实际测量的收缩压和舒张压数据，得到血管内FFR值，从而实现FFR的全自动计算；显示模块，用于将数据计算模块得到的处理结果呈现在显示器上。2.如权利要求1所述的基于光学相干断层扫描影像的血流储备分数预测装置，其特征在于：所述的信号处理模块至少包括依次相连的数据采集单元和数据处理单元，数据采集单元，通过探测接口模块，将探测模块获取的信号进行数据采集；数据处理单元至少包括信号转换模块、图像校准模块和图像增强模块，所述信号转换模块用于将数据采集单元接收到的电信号信号转换成为图像信息；图像校准模块，用于分别对信号转换模块或图像裁剪模块得到的图像进行数据校准；图像增强模块，用于对经过图像校准模块校准重构的图像进行图像增强；数据计算模块单元，至少包括依次相连的管腔、分叉别模块、管腔面积计算模块、参考帧自动识别模块、FFR全自动预测模块；管腔、分叉识别模块用于针对血管管腔、分叉信息进行轮廓信息提取；管腔面积计算模块，用于根据血管管腔边缘、形态、结构空间信息，获取血管管腔边界，计算血管管腔面积；参考帧自动计算模块，利用三元组损失函数构建健康管腔识别模型，增加类内的相关性及类间的差异性，然后结合分叉位置，自动选择参考帧位置；FFR全自动预测模块，利用流体动力学模型，结合血管管腔面积、参考帧面积，计算出血管内的血流量、流阻，结合实际测量的收缩压和舒张压数据，得到血管内FFR值。3.如权利要求2所述的基于光学相干断层扫描影像的血流储备分数预测装置，其特征在于：所述的数据处理单元还包括图像裁剪模块，用于将信号转换模块得到的图像信息进行分割，提取图像特定区域。4.如权利要求1或2所述的基于光学相干断层扫描影像的血流储备分数预测装置，其特征在于：在探头接口模块与探测模块之间还设置有清洗模块。5.如权利要求4所述的基于光学相干断层扫描影像的血流储备分数预测装置，其特征在于：所述的探测模块还包括导管(1)、弹性构件(2)、电缆线(3)，导管(1)包括体内部和体
外部，导管(1)的体外部上设置有清洗模块，探测模块与探头接口模块通过导管(1)的体外部连接；在导管(1)的体内部设置有超声探头(4)、电缆线(3)和弹性构件(2)，超声探头(4)通过电缆线(3)与探头接口模块连通，弹性构件(2)设置在电缆线(3)上。6.如权利要求5所述的基于光学相干断层扫描影像的血流储备分数预测装置，其特征在于：所述的探测模块导管(1)的体内部远离导管(1)的体外部一端设置有冲洗液出口(7)。7.如权利要求5或6所述的基于光学相干断层扫描影像的血流储备分数预测装置，其特征在于：所述的导管(1)的体内部外侧还套置有透明外套管(6)，且透明外套管(6)在导管(1)的体内部的深度不超过超声探头(4...

【专利技术属性】
技术研发人员：朱锐，鲁全茂，
申请(专利权)人：深圳市中科微光医疗器械技术有限公司，
类型：发明
国别省市：