一种基于机器学习的冠状动脉狭窄程度预测方法技术

本发明专利技术公开了一种基于机器学习的冠状动脉狭窄程度预测方法，属于冠状动脉狭窄程度预测领域，该方法包括获取冠状动脉

【技术实现步骤摘要】
一种基于机器学习的冠状动脉狭窄程度预测方法


[0001]本专利技术属于冠状动脉狭窄程度预测领域，尤其涉及一种基于机器学习的冠状动脉狭窄程度预测方法
。

技术介绍

[0002]冠心病
(CAD)
是世界头号杀手，占全球死亡人数的三分之一
。
临床治疗困境近一半的急性冠脉事件发生在无症状患者中，近
70
％的急性冠脉事件由发病前未影响血流的冠脉病变引起
。
因此，采用何种筛查方法早期发现冠心病成为预测和治疗心血管事件的关键
。
[0003]诊断冠心病的金标准是冠状动脉造影，可以明确动脉狭窄的部位和程度
。
一般狭窄在
75
％以上，就可以诊断为冠心病
。
然而，冠状动脉造影相对复杂
、
昂贵且具有侵入性，并且需要住院
。
由于经济和社会便利性的限制，研究者致力于寻找更加便捷
、
准确
、
可行的检查方法，冠状动脉
CT/>血管造影脱颖而出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于机器学习的冠状动脉狭窄程度预测方法，其特征在于，包括以下步骤：
S1、
获取冠状动脉
CCTA
图像；
S2、
根据冠状动脉
CCTA
图像，利用
Agaston
评分法，得到冠状动脉钙化积分
CACS
；
S3、
利用带有压力传感器的导丝，测量冠状动脉达到最大供血状态时远端狭窄病变处的压力值，得到血流储备分数
CT
‑
FFR
；
S4、
根据冠状动脉钙化积分
CACS
和血流储备分数
CT
‑
FFR
，利用使用高斯核函数的支持向量机，得到最大间隔超平面；
S5、
获取待测
CCTA
图像的冠状动脉钙化积分
CACS
和血流储备分数
CT
‑
FFR
；
S6、
根据待测
CCTA
图像的冠状动脉钙化积分
CACS
和血流储备分数
CT
‑
FFR
，利用最大间隔超平面，得到冠状动脉狭窄程度预测结果
。2.
根据权利要求1所述基于机器学习的冠状动脉狭窄程度预测方法，其特征在于，所述步骤
S2
中冠状动脉钙化积分
CACS
的表达式为：
CACS
＝
∑CT
×
S
×
w
其中，
CACS
为冠状动脉钙化积分；
CT
为
C...

【专利技术属性】
技术研发人员：罗培，張英，
申请(专利权)人：澳门科技大学，
类型：发明
国别省市：