基于多模态医学影像数据的供血功能异常评估方法及装置制造方法及图纸

本发明专利技术涉及基于多模态医学影像数据的供血功能异常评估方法，包括以下：获取目标LED三维点云；分别对所述目标LED三维点云进行基于PointNet的特征提取得到第一特征向量，以及进行基于法线微分的法向量估计得到第二特征向量；对所述第一特征向量以及第二特征向量进行拼接，得到完整的点云特征；基于完整的所述点云特征通过全连接网络进行作用，完成点云分类。本发明专利技术利用法线微分算法估算点的法线向量，将该向量作为点的特征向量融合到基于PointNet的深度学习网络中，提高了点云分类的准确性。以使所分类提取出的焊线点云可进一步用于三维缺陷检测，从而实现并提高带有三维特征的LED焊线缺陷检测准确率。征的LED焊线缺陷检测准确率。征的LED焊线缺陷检测准确率。

【技术实现步骤摘要】
基于多模态医学影像数据的供血功能异常评估方法及装置


[0001]本专利技术涉及智慧医疗
，尤其涉及基于多模态医学影像数据的供血功能异常评估方法及装置。

技术介绍

[0002]心脑血管动脉硬化斑块可以引发致命的心脑血管事件，例如短暂性脑缺血发作和脑卒中。颅内外动脉血管检查是心血管疾病筛查的一种重要手段，主要检查动脉解剖结构异常和功能异常。解剖结构异常是指血管壁增厚引起血管腔减小，主要使用血管腔直径减少比例这一指标来衡量。功能异常是指由血管腔减小引起的血管阻力增加，从而导致通过该血管的血流量减小的结果。近年来的研究表明，血流量变化是心血管事件发生的关键。
[0003]要全面评估颅内外血管解剖结构异常和功能异常，往往需要同时采用颈动脉超声和核磁共振血管造影医学影像。为了能够使用更便捷准确评价心脑血管供血功能，需要一种方法能够便捷联合颅内外动脉血管解剖学异常和功能异常情况，为医生的诊断提供强有力的辅助依据。

技术实现思路

[0004]本专利技术的目的是为了至少解决现有技术的不足之一，提供基于多模态医学影像数据的供血功能异常评估方法及装置。
[0005]为了实现上述目的，本专利技术采用以下的技术方案：
[0006]具体的，提出基于多模态医学影像数据的供血功能异常评估方法，包括以下：
[0007]获取医疗影像数据；
[0008]基于所述医疗影像数据建立三维模型；
[0009]对所述三维模型进行有限元网格划分；
[0010]根据边界条件策略对所述有限元网格定义边界；
[0011]将定义边界后的有限元网格导入Comsol CFD模块，求解对应的流体控制方程Navier
‑
Stokes方程组；
[0012]结合Navier
‑
Stokes方程组的求解结果以及预设的计算过程求解脑动脉供血权重PI，判断PI是否大于第一阈值，若是则判断存在供血功能异常风险，并将脑动脉供血权重PI告知医护人员。
[0013]进一步，具体的，获取的医疗影像数据为多对比度亮血成像血管图像，即时间飞跃血管造影TOF
‑
MRA，获取多对比度亮血成像血管图像的扫描参数设置为重复时间TR/回波时间TE设置为25/3.5ms，视野范围FOV设置为119x159x168mm3，体素大小设置为0.357x0.357x0.7mm3。
[0014]进一步，具体的，基于所述医疗影像数据建立三维模型，包括，
[0015]通过软件ITK
‑
SNAP对TOF
‑
MRA进行二维图像分割得到分割结果，其ROI区域通过预设的血管区域阈值及生理直径阈值进行划分，基于分割结果的多个分割蒙版提取多个中心
点O_i，i的最大值与分割蒙版即中心点个数相同，将中心点进行连线构成中心线；
[0016]将分割结果的二维分割图像以及中心线数据导入Mimics，以中心线为投影路径，采用B样条采样方法建立三维模型。
[0017]进一步，具体的，对所述三维模型进行有限元网格划分，包括，
[0018]在Mimics中，采用非结构化格式的四面体元素对三维模型进行有限元网格化分，需遵循如下规则，
[0019]首先，根据流入/流出边界直径比值R确定边界四面体网格单元边界的最小长度，然后对血管壁网格进行划分，对分叉、直径剧烈变化区域采取网格密度增加的操作以避免模拟奇点；最后，将网格输入Comsol通过网格独立性测试，以流速为参考指标，确定R增加时，不同密度网格所计算的流速差异小于5％时，达到网格独立性测试收敛。
[0020]进一步，具体的，所述边界条件策略包括，
[0021]令入流和出流界面其中s_i为主动脉入流边界，s_oa为主动脉出流边界，s_os为锁骨下动脉出流边界，s_oc为颅内动脉出口边界，s_oe为颈外动脉出口边界，
[0022]s_oe采用基于超声多普勒血流测量方法获取的血流信息定义出流边界条件，对s_oa,s_os及s_oc通过0维电路模型定义出流边界条件；
[0023]其中，超声多普勒血流测量方法包括，首先，对多普勒血流图I_us血流波形图区域通过图像读取软件定位血流波形2个最大峰值和1个0点在I_us中的坐标点P11(x_11,y_11)和P12(x_12,y_12)，P0(x_21,y_21)然后，并通过剪裁工具通过高斯模糊血流多普勒信号信息区域实现平滑，采用canny边缘检测法提取血流多普勒信号信息区的边界轮廓，采用开运算对边缘修正，采用P11与P12为种子点实施区域增长算法，实现I_us_curve提取，然后通过读取P11及0点像素y轴像素点比例，代入I_us标记流速最大值计算得曲线I_us_curve沿x轴方向像素点对应数值。最后，通过提取x轴方向单位时间长度所对应的像素数对I_us_curve进行采样得到两个连续心动周期血流速度波形的离散时间点流速数据V_i(x，t)，i＝[1,2]，V_1(x，t)表示左侧颈外动脉流速数据，V_2(x，t)表示右侧颈外动脉流速数据；
[0024]0维电路模型包括，采用三元电路模型(R1，R2，C)描述s_oa,s_os,s_oc出流边界条件，其表达式为，
[0025][0026]其中，Q代表血流速度，P代表血流压力，C代表血管顺应性C＝9.45
×
10
‑9m3/Pa，R1代表上游血管特征阻力，R2代表下游血管阻力，
[0027]P＝QR
T
[0028]其中，总阻力R
T
＝1.34
×
108Pa
·
s/m3，根据通过胸主动脉流向头，上肢及其余血量比例分别为15％，5％及75％,结合
[0029]R
T
＝R1+R2
[0030][0031]其中，设比值θ为常数，可推导各出流边界电路模型的R1和R2值。
[0032]进一步，具体的，流体控制方程Navier
‑
Stokes方程组，包括，
[0033][0034]其中，ρ为密度，u为流速，p为压力，μ为黏度系数，f为外力。流体采用非牛顿流体，粘度系数μ通过Carreau模型计算：
[0035][0036]其中，μ
inf
＝0.554712Pa
·
s，μ0＝0.00345Pa
·
s，λ＝3.3131，n＝0.3468,γ为剪切速率。
[0037]进一步，具体的，求解脑动脉供血权重PI的过程包括，
[0038]通过中心线计算血管解剖结构中心线法向直径均值d1_i，提取目测颈内动脉狭窄处d1最小值d1_1，提取d1_1近端和远端4厘米处d1，记为d1
m
，d1
d
，基于此计算狭窄度SS：
[0039][0040]同时，计算压力比值P：
[0041][0042]然后，在基底动脉提取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多模态医学影像数据的供血功能异常评估方法，其特征在于，包括以下：获取医疗影像数据；基于所述医疗影像数据建立三维模型；对所述三维模型进行有限元网格划分；根据边界条件策略对所述有限元网格定义边界；将定义边界后的有限元网格导入Comsol CFD模块，求解对应的流体控制方程Navier
‑
Stokes方程组；结合Navier
‑
Stokes方程组的求解结果以及预设的计算过程求解脑动脉供血权重PI，判断PI是否大于第一阈值，若是则判断存在供血功能异常风险，并将脑动脉供血权重PI告知医护人员。2.根据权利要求1所述的基于多模态医学影像数据的供血功能异常评估方法，其特征在于，具体的，获取的医疗影像数据为多对比度亮血成像血管图像，即时间飞跃血管造影TOF
‑
MRA，获取多对比度亮血成像血管图像的扫描参数设置为重复时间TR/回波时间TE设置为25/3.5ms，视野范围FOV设置为119x159x168mm3，体素大小设置为0.357x0.357x0.7mm3。3.根据权利要求1所述的基于多模态医学影像数据的供血功能异常评估方法，其特征在于，具体的，基于所述医疗影像数据建立三维模型，包括，通过软件ITK
‑
SNAP对TOF
‑
MRA进行二维图像分割得到分割结果，其ROI区域通过预设的血管区域阈值及生理直径阈值进行划分，基于分割结果的多个分割蒙版提取多个中心点O_i，i的最大值与分割蒙版即中心点个数相同，将中心点进行连线构成中心线；将分割结果的二维分割图像以及中心线数据导入Mimics，以中心线为投影路径，采用B样条采样方法建立三维模型。4.根据权利要求3所述的基于多模态医学影像数据的供血功能异常评估方法，其特征在于，具体的，对所述三维模型进行有限元网格划分，包括，在Mimics中，采用非结构化格式的四面体元素对三维模型进行有限元网格化分，需遵循如下规则，首先，根据流入/流出边界直径比值R确定边界四面体网格单元边界的最小长度，然后对血管壁网格进行划分，对分叉、直径剧烈变化区域采取网格密度增加的操作以避免模拟奇点；最后，将网格输入Comsol通过网格独立性测试，以流速为参考指标，确定R增加时，不同密度网格所计算的流速差异小于5％时，达到网格独立性测试收敛。5.根据权利要求1所述的基于多模态医学影像数据的供血功能异常评估方法，其特征在于，具体的，所述边界条件策略包括，令入流和出流界面其中s_i为主动脉入流边界，s_oa为主动脉出流边界，s_os为锁骨下动脉出流边界，s_oc为颅内动脉出口边界，s_oe为颈外动脉出口边界，s_oe采用基于超声多普勒血流测量方法获取的血流信息定义出流边界条件，对s_oa,s_os及s_oc通过0维电路模型定义出流边界条件；其中，超声多普勒血流测量方法包括，首先，对多普勒血流图I_us血流波形图区域通过图像读取软件定位血流波形2个最大峰值和1个0点在I_us中的坐标点P11(x_11,y_11)和
P12(x_12,y_12)，P0(x_21,y_21)然后，并通过剪裁工具通过高斯模糊血流多普勒信号信息区域实现平滑，采用canny边缘检测法提取血流多普勒信号信息区的边界轮廓，采用开运算对边缘修正，采用P11与P12为种子点实施区域增长算法，实现I_us_curve提取，然后通过读取P11及0点像素y轴像素点比例，代入I_us标记流速最大值计算得曲线I_us_curve沿x轴方向像素点对应数值，最后，通过提取x...

【专利技术属性】
技术研发人员：刘欣，张贺晔，熊华花，高智凡，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：