【技术实现步骤摘要】
本专利技术属于医学影像，具体涉及一种脑血管血流形态特征定量分析方法。
技术介绍
1、众多疾病的产生与发展往往伴随着组织器官内血管的异常和病变。随着医学影像技术的飞速发展，利用各类成像方法无创地观察组织血管，分析和研究血管的功能变化情况，在临床中发挥重要作用。
2、心脑血管疾病、肝硬化、各色肿瘤等多种疾病往往伴随血管特征的变化。其中，血流动力学变异是早期预测疾病发生、发展的重要特征之一。血流动力学的主要观测变量是血液流量与压力分布的情况，由于个体之间血管结构的差异，每个个体的血流模式都不尽相同。个体化的血流动力学模拟能够为疾病诊疗提供更精准的依据。长期以来，血管的动力学定量通过有创的压力导丝测量血管内血流压力，这种方法虽然能够提供精确的血流压力数据，但也存在诸多不足。该种有创测量的方式涉及直接穿刺血管，可能增加患者感染、出血的风险，且操作复杂，需要专业医疗人员执行，不适合大规模筛查或长期监控。随着成像技术的不断发展，采用x射线，ct，mr等成像技术，能够实现无创的获取组织血管影像，进一步可利用算法进行仿真实现血流动力学特征分析。
3、目标基于医学影像的血流动力学特征分析方法，往往需要精准的血管分割作为仿真的边界条件，且对仿真操作技术要求较高，加重了临床数据分析的负担，进而影响其大规模临床应用。因此，简化血流动力学仿真流程，提供一种简易的血流动力学特征提取方法具有十分重要的实用价值。
4、本专利技术利用ct、mr等影像，自动提取脑血管的血流动力学特征，包括各个血管分支的流量、流速和压力特征等。利用
技术实现思路
1、针对现有技术存在的不足，本专利技术旨在提供一种自动脑血管血流动力学特征定量分析方法，为临床血管疾病评估提供更丰富的定量信息，并提高分析可靠性。
2、本专利技术提供自动脑血管血流动力学特征定量分析方法，适用于不同采集方式获取的血管图像，能够自动计算各个血管分支的流量、流速、压力等特征，可便于临床分析与诊治。
3、本专利技术提供的脑血管血流动力学特征定量分析方法，具体步骤如下：
4、步骤s1，从不同的采集方式中，获取组织影像的血管结构v；
5、步骤s2，利用血管形态分析算法(mri-based investigation of associationbetween cere brovascular structural alteration and white matterhyperintensity induced by high blood pr essure.journal of magnetic resonanceimaging.2021)，计算出血管结构v中各个血管分支的长度及半径，构建各个血管分支两端点之间连接关系的邻接矩阵，记为anode，并构建各个血管分支之间连接关系的邻接矩阵，记为abranch；
6、步骤s3，标记血管结构的所有入口分支，记为i；所述入口分支是指血流在生理上流入血管结构v时最先经过的若干血管分支；
7、步骤s4，重构邻接矩阵abranch；
8、步骤s5，依照入口分支i和邻接矩阵abranch，构建树状邻接矩阵t，并将血管分支划分为入口分支，即i，中间分支，记为m，以及出口分支记，为o；
9、步骤s6，根据血管分支的长度、半径，构建血管分支血流动力学控制方程组e；
10、步骤s7，为出口分支o设置输出边界条件bo；
11、步骤s8，为入口分支i设置输入边界条件bi，具体为血压值；为中间分支m设置分叉条件bb，具体为血流量和压力平衡值；
12、步骤s9，根据方程组e，边界条件bo、bi、bb，解出各血管分支的流量、流速及压强特征。
13、本专利技术步骤s3中，所述标记血管结构的所有入口分支，具体包括如下子步骤：
14、步骤s31，根据邻近矩阵anode挑选出仅有一个邻接点的血管分支作为候选入口分支ic1；
15、步骤s31，评估ic1中所有血管分支距离心脏的距离，筛选出距离心脏最近的前10％血管分支，记为ic2；
16、步骤s32，将ic2中所有血管分支依照半径从大到小排序，筛选出半径最大的前10％血管分支，记为ic3；
17、步骤s33，视觉评估ic3，保留符合生理上流入血管结构v时最先经过的血管分支，即为i。
18、本专利技术步骤s4中，所述重构邻接矩阵abranch，具体包括如下子步骤：
19、步骤s41，从邻接矩阵abranch的一行ri出发，找到abranch矩阵在该行中值为1的列，将该列的列数记为cadj；
20、步骤s42，找到abranch矩阵在cadj行中值为1的列，将该列的列数记为ccadj；
21、步骤s43，将abranch矩阵ri行，ccadj列的矩阵值改为1；
22、步骤s44，重复步骤s41、步骤s42、步骤s43，直至遍历abranch矩阵所有行。
23、本专利技术步骤s5中，构建树状邻接矩阵t，并将血管分支划分为入口分支，即i，中间分支记为m，以及出口分支记为o，具体包括如下子步骤：
24、步骤s51，初始化一个数字队列，记为qin，该队列的初始值为邻接矩阵abranch中，入口分支i所在的行数；
25、步骤s52，从qin的第一个值出发，记为qstart，找到abranch矩阵在qstart行中值为1的列，将该列的列数记为cadj，并将cadj加入到队列qin的末尾；
26、步骤s53，将abranch矩阵cadj行、cadj列的矩阵值改为0，并将qstart移出qin队列；
27、步骤s54，重复步骤s52、步骤s53，直至队列qin为空；
28、步骤s55，经步骤s51、步骤s52、步骤s53、步骤s54修改后的邻接矩阵abranch记为t，将矩阵t各列值相加后，值为1的行对应的血管分支记为出口分支o，除入口分支i、出口分支o以外的血管分支记为m。
29、本专利技术步骤s6中，所述控制方程组指由血管长度、半径、血流流量、血流压力构成的线性或非线性方程。
30、本专利技术步骤s7中，所述为出口分支o设置输出边界条件bo，具体包括如下子步骤：
31、步骤s71，从一个出口分支oi出发，生成二叉树，其中二叉树左、右支半径为oi半径的α、β倍，α、β小于1且大于0，左、右支长度为其半径的γ倍，γ大于1；
32、步骤s72，继续为步骤s71中生成的左、右支生成二叉树，新的二叉树半径、长度规则同步骤s71；
33、步骤s73，重复步骤s72，直至新的二叉树半径小于0.1毫米；
34、步骤s74，重复步骤s71、s72、s73，直至为所有出口分支o生成二叉树结构；
3本文档来自技高网...
【技术保护点】
1.一种脑血管血流动力学特征定量分析方法，其特征在于，具体步骤如下：
2.根据权利要求1所述方法，其特征在于，步骤S3中所述标记血管结构的所有入口分支，具体包括如下子步骤：
3.根据权利要求1所述方法，其特征在于，骤S4中所述重构邻接矩阵Abranch，具体包括如下子步骤：
4.根据权利要求1所述方法，其特征在于，步骤S5具体包括如下子步骤：
5.根据权利要求1所述方法，其特征在于，步骤S6中所述控制方程组指由血管长度、半径、血流流量、血流压力构成的线性或非线性方程。
6.根据权利要求1所述方法，其特征在于，步骤S7中所述为出口分支O设置输出边界条件Bo，具体包括如下子步骤：
7.基于权利要求1-6之一所述方法的脑血管血流动力学特征定量分析系统，其特点在于，包括：血管网络重组模块，血管网络出口设置模块，边界条件设置模块，血流动力学参数计算模块；这些模块分别用于执行本专利技术方法中步骤S4和步骤S5、步骤S7、步骤S6和步骤S8、步骤S9的操作。
【技术特征摘要】
1.一种脑血管血流动力学特征定量分析方法，其特征在于，具体步骤如下：
2.根据权利要求1所述方法，其特征在于，步骤s3中所述标记血管结构的所有入口分支，具体包括如下子步骤：
3.根据权利要求1所述方法，其特征在于，骤s4中所述重构邻接矩阵abranch，具体包括如下子步骤：
4.根据权利要求1所述方法，其特征在于，步骤s5具体包括如下子步骤：
5.根据权利要求1所述方法，其特征在于，步骤s6中所述控制方程组指由...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。