血流特性预测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种血流特性预测方法、装置、计算机设备和存储介质。该方法包括：获取诊疗对象的图像数据，将图像数据以及诊疗对象的特征输入至目标预测网络模型进行血流特性预测，得到血流特性预测值；该方法可以通过神经网络预测模型实现血流特性预测，并且综合考虑了图像数据与诊疗对象的特征，提高了血流特性预测值的准确度，进而提高HVPG预测值的准确度。进而提高HVPG预测值的准确度。进而提高HVPG预测值的准确度。

【技术实现步骤摘要】
血流特性预测方法、装置、计算机设备和存储介质


[0001]本申请涉及无创测量领域，特别是涉及一种血流特性预测方法、装置、计算机设备和存储介质。

技术介绍

[0002]门静脉高压是由慢性肝病引起的最严重的综合征之一，尤其是肝硬化的重要表现之一。肝静脉压力梯度(Hepatic Venous Pressure Gradient，HVPG)的测量被推荐为诊断临床显著性门静脉高压的金标准。HVPG预测是一种技术要求较高的侵入性检查，有一定的技术难度及出血风险，且费用昂贵，因此，近年来，无创HVPG预测方法在临床上备受关注。
[0003]研究学者提出了多种无创HVPG预测方法，包括生物标志物评估HVPG、超声检测评估HVPG、基于影像分析HVPG。近年，将计算流体力学应用于冠脉血流储备分数计算成为研究热点，计算流体力学方法也被尝试应用于肝脏血流分析。但是，传统的预测方法均存在HVPG预测值的准确度较低的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高HVPG预测值准确度的血流特性预测方法、装置、计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血流特性预测方法，其特征在于，所述方法包括：获取诊疗对象的图像数据；所述图像数据包括所述诊疗对象的解剖信息；将所述图像数据以及所述诊疗对象的特征输入至目标预测网络模型进行血流特性预测，得到血流特性预测值。2.根据权利要求1所述的方法，其特征在于，所述目标预测网络模型包括特征提取网络模型和血流特性预测网络模型。3.根据权利要求2所述的方法，其特征在于，所述将所述图像数据以及所述诊疗对象的特征输入至目标预测模型进行血流特性预测，得到血流特性预测值，包括：将所述图像数据输入至所述特征提取网络模型，得到图像特征；将所述图像特征与所述诊疗对象的特征输入至所述血流特性预测网络模型，得到所述血流特性预测值；所述诊疗对象的特征为预先提取的生理特征。4.根据权利要求3所述的方法，其特征在于，所述特征提取网络模型为目标编码网络模型；所述血流特性预测网络模型为目标回归网络模型。5.根据权利要求1
‑
4中任一项所述的方法，其特征在于，所述方法还包括：通过图像训练集对初始预测网络模型进行网络模型训练，得到所述目标预测网络模型；所述图像训练集包括样本图像数据、样本特征和标准血流特性值。6.根据权利要求3所述的方法，其特征在于，所述血流特性预测值包括肝静脉...

【专利技术属性】
技术研发人员：郭宇翔，
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：