System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【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。