基于MRA序列图像确定血流储备分数的方法及装置制造方法及图纸

本发明专利技术涉及人工智能和医学领域，具体涉及一种基于MRA序列图像确定血流储备分数的方法及装置，所述方法包括：通过深度学习网络从磁共振血管造影MRA序列检查图像中识别出血管区域图像；根据识别结果确定所述MRA序列检查图像的背景噪声；从所述血管区域图像的当前血管段图像中裁剪出血管狭窄段图像；对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，查找所述血管狭窄段图像的断裂处；根据查找结果，确定所述血管狭窄段中心位置；根据所述血管狭窄段中心位置的两侧等间隔位置处的信号量和所述MRA序列检查图像的背景噪声，确定血流储备分数。本发明专利技术可以有效提高血管分割的效果，提高血流储备分数的计算准确性。提高血流储备分数的计算准确性。提高血流储备分数的计算准确性。

【技术实现步骤摘要】
基于MRA序列图像确定血流储备分数的方法及装置


[0001]本专利技术涉及人工智能
，特别涉及一种基于MRA序列图像确定血流储备分数的方法及装置。

技术介绍

[0002]对于冠状动脉疾病的研究表明，血管狭窄百分比计算不是识别该疾病的最佳标志物，基于血流储备分数（FFR）利用狭窄处的压力梯度来识别血流动力学，对评估病变的严重程序具有重要意义。
[0003]在对血流储备分数计算过程中，需要提取出脑血管分割图像并重建。当前存在脑血管分割效果差的问题，并导致血流储备分数计算误差较大。针对上述问题，现有技术未给出有效的解决方案。

技术实现思路

[0004]本专利技术实施例中提供一种基于MRA序列图像确定血流储备分数的及装置，用以至少提高血流储备分数计算过程中血管图像分割效果。
[0005]第一方面，本专利技术实施例提供一种基于MRA序列图像确定血流储备分数的方法，所述基于MRA序列图像确定血流储备分数的方法，包括：通过深度学习网络从磁共振血管造影MRA序列检查图像中识别出血管区域图像；根据识别结果确定所述MRA序列检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MRA序列图像确定血流储备分数的方法，其特征在于，所述基于MRA序列图像确定血流储备分数的方法，包括：通过深度学习网络从磁共振血管造影MRA序列检查图像中识别出血管区域图像；根据识别结果确定所述MRA序列检查图像的背景噪声；从所述血管区域图像的当前血管段图像中裁剪出血管狭窄段图像；对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，查找所述血管狭窄段图像的断裂处；根据查找结果，确定所述血管狭窄段中心位置；根据所述血管狭窄段中心位置的两侧等间隔位置处的信号量和所述MRA序列检查图像的背景噪声，确定血流储备分数。2.根据权利要求1所述的基于MRA序列图像确定血流储备分数的方法，其特征在于，所述深度学习网络为语义分割模型；所述通过深度学习网络从磁共振血管造影MRA检查图像中识别出血管区域图像之前，包括：采用在最大强度投影视图对预先获得的MRA序列样本图像中每张切片的二维图像上标注血管区域，生成样本掩码图像；根据所述样本掩码图像制作标签数据集，训练得到所述语义分割模型。3.根据权利要求1所述的基于MRA序列图像确定血流储备分数的方法，其特征在于，所述从所述血管区域图像的当前血管段图像中裁剪出血管狭窄段图像，包括：在三维空间中，从所述血管区域图像中查找所有连通域；根据连通域从大到小的顺序，按照预设的连通域数量阈值，在所有连通域中保留目标连通域；从保留目标连通区域的血管区域图像确定当前血管段图像；在最大强度投影视图的所述当前血管段图像中裁剪出所述血管狭窄段图像。4.根据权利要求1
‑
3中任意一项所述的基于MRA序列图像确定血流储备分数的方法，其特征在于，所述对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，查找所述血管狭窄段图像的断裂处，包括：对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，在遍历到未有血管像素的切面时，确定该切面为所述血管狭窄段图像的断裂处；根据所述血管狭窄段图像的断裂处的两侧相邻切面的掩码图像的区域中心点和区域最大面积，修复所述血管狭窄段图像的断裂处的掩码图像。5.根据权利要求4所述的基于MRA序列图像确定血流储备分数的方法，其特征在于，所述对所述血管狭窄段图像的各切面对应的掩码图像进行遍历，在遍历到未有血管像素的切面时，确定该切面为所述血管狭窄段图像的断裂处之前，包括：对各切面的掩码图像进行膨胀处理，遍历膨胀后掩...

【专利技术属性】
技术研发人员：赖永航，陈栋栋，曹鸥，冯健，
申请(专利权)人：青岛美迪康数字工程有限公司，
类型：发明
国别省市：