基于影像学的血管模拟干预评估系统技术方案

本发明专利技术公开了基于影像学的血管模拟干预评估系统，包括图像获取单元

【技术实现步骤摘要】
基于影像学的血管模拟干预评估系统


[0001]本专利技术涉及血管模拟
，具体为基于影像学的血管模拟干预评估系统
。

技术介绍

[0002]随着心血管疾病发病率逐年增高，血管及血液的相关参数是疾病诊断的重要参考指标，在血管及血液的参数获取时，常用的技术手段主要是通过利用器械侵入式定量测量，还包括非侵入式测量，使用血管的医学图像序列重建患者的血管几何模型并且这个模型在计算上采用具有适当生理边界条件和参数的计算流体力学方法来模拟血流，还有使用机器学习进行非侵入式测量，主要利用学习网络分别为血管上的某个点或各个点孤立地预测该处的血管状况参数
。
[0003]以
FFR
预测为例，传统的基于机器学习和学习网络的
FFR
预测系统，一般由多个模块组成，包括特征提取模型
、FFR
预测模型
、FFR
平滑后处理模型，其中，特征提取模型通常采用某些固定的特征提取算法，
FFR
预测模型和
FFR
平滑后处理模型是需要进行单独训练的，各个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于影像学的血管模拟干预评估系统，包括：图像获取单元，获取血管树的医学图像序列；重建单元，基于医学图像序列重建血管树的几何模型，从几何模型中提取血管路径及其上血管的中心线，并沿着血管路径上血管的中心线来截取图像块序列，其特征在于：流体力学模拟单元，基于血管树的几何模型来进行计算流体力学模型仿真模拟，以获取血管路径上相应的血管状况参数序列；训练单元，将血管路径上相应的血管状况参数序列作为训练数据，并从测量组件中获取相应的血管状况参数序列作为训练数据，以训练构建的深度学习模型；预测单元，基于截取的图像块序列，利用训练好的深度学习模型来预测血管路径上的血管状况参数的序列，且深度学习模型是利用数据流神经网络
、
递归神经网络和条件随机场模型依序串联而构成的；映射单元，将所预测的血管路径上的血管状况参数的序列映射回包括血管路径的血管树中，基于血管树中发生重叠的各条血管路径上的预测的血管状况参数序列在重叠部分的血管状况参数序列段，来得到血管树中的重叠部分的血管状况参数序列段；评估单元，基于重叠部分的血管状况参数序列段，提取每个血管段在相同时间节点
T
上的血管状况值，以血管状态值与对应的初始值之间的差值为参数，搭建数据分析模型，生成血管健康状态评估值
Bphz
i
，并将血管健康状态评估值
Bphz
i
与预设的阈值进行对比，根据对比结果预测血管的健康状态
。2.
根据权利要求1所述的基于影像学的血管模拟干预评估系统，其特征在于：在重建单元中重建血管树的几何模型的步骤如下：
S101、
从医学图像序列中获取血管的几何形状信息，该几何形状信息至少包括血管中心线和路径，且获取血管的几何形状信息时通过使用图像处理技术来实现；
S102、
利用
3D
重建算法技术，根据几何形状信息构建血管树的几何模型；
S103、
在血管树的几何模型中，通过图像处理技术从医学图像序列中提取出血管的边界，并根据血管的分支和连接关系，通过使用树形结构来表示，以进一步建立血管树，从医学图像序列中提取出血管的边界后还需要对几何模型进行平滑处理
。3.
根据权利要求2所述的基于影像学的血管模拟干预评估系统，其特征在于：在重建单元中的图像块序列包括若干
2D
图像块序列和
3D
图像块序列
。4.
根据权利要求3所述的基于影像学的血管模拟干预评估系统，其特征在于：在流体力学模拟单元中的血管状况参数序列包括血管半径
、
血流速度
、
血流剪切应力；通过重建血管树的几何模型并进行计算流体动力学仿真模拟，可以获取每个血管段在不同时间的血管半径值，每个血管段在不同时间的血流速度，每个血管段在不同时间的血流剪切应力，进而得到血管状况参数序列
。5.
根据权利要求1所述的基于影像学的血管模拟干预评估系统，其特征在于：在训练单元中使用的测量组件包括医疗影像设备和生理信号设备
。6.
根据权利要求4所述的基于影像学的血管模拟干预评估系统，其特征在于：在预测单元中，数据流神经网络采用
2D
卷积神经网络和
3D
卷积神经网络分别学习血管路径上的若干
2D
图像块序列和
3D
图像块序列中的
2D
图像块和
3D
图像块，各个卷积神经网络分别返回一个向量，并将各个卷积神经网络返回的向量连接为一个向量后传输到递归神经...

【专利技术属性】
技术研发人员：苗仁英，宋燕，
申请(专利权)人：郑州大学，
类型：发明
国别省市：