一种基于图神经网络的血流储备分数估计方法及装置制造方法及图纸

本申请提供了一种基于图神经网络的血流储备分数估计方法及装置，获取目标冠状动脉的造影图像，并依据造影图像确定目标冠状动脉的先验信息；依据先验信息确定受目标冠状动脉拓扑约束的条件特征；依据先验信息和条件特征生成目标冠状动脉的血压预测值和血流量预测值；依据血压预测值和血流量预测值生成目标冠状动脉的血流储备分数。本发明专利技术计算FFR时只需非侵入性成像数据，避免了有创检查；并且与现有的CFD模型相比，本发明专利技术结合了深度学习方法，使模型计算血流储备分数的效率大大提高，更符合临床实际；与现有的基于PINN的神经网络相比，本发明专利技术基于条件物理信息的图神经网络，进一步学习到更具泛化能力的模型，预测结果更贴近临床真实。

【技术实现步骤摘要】

本申请涉及医学检测领域，特别是一种基于图神经网络的血流储备分数估计方法及装置。

技术介绍

1、血管狭窄病变严重威胁着人类的生命健康。目前，冠脉造影是诊断冠心病的解剖学评价“金标准”，但其只能对病变的狭窄程度进行影像学评价，而无法判断狭窄对于远端供血的影响。血流储备分数(ffr)是一种通过侵入性压力测量评价冠脉狭窄功能学严重程度的指标，现已广泛应用于临床。ffr的评估对于诊断冠状动脉疾病具有重要意义。但ffr的测量因其侵入性给患者带来了高额的医疗费用和生理风险。

2、基于冠脉造影图像利用流体力学或者深度学习算法对冠状动脉流动血液进行数值分析，最后计算出ffr，可以消除ffr有创检测的风险。与计算流体力学相比，深度学习具有较高的计算效率。但是由于ffr由复杂的物理过程决定，故很难找到合适的先验。

技术实现思路

1、鉴于所述问题，提出了本申请以便提供克服所述问题或者至少部分的解决所述问题的一种基于图神经网络的血流储备分数估计方法及装置，包括：

2、一种基于图神经网络的血流储备分数估计方法，包本文档来自技高网...

【技术保护点】

1.一种基于图神经网络的血流储备分数估计方法，其特征在于，包括步骤：

2.根据权利要求1所述的方法，其特征在于，所述获取目标冠状动脉的造影图像，并依据所述造影图像确定目标冠状动脉的先验信息的步骤，包括：

3.根据权利要求1所述的方法，其特征在于，所述依据所述先验信息确定受目标冠状动脉拓扑约束的条件特征的步骤，包括：

4.根据权利要求1所述的方法，其特征在于，所述依据所述先验信息和所述条件特征生成目标冠状动脉的血压预测值和血流量预测值的步骤，包括：

5.根据权利要求4所述的方法，其特征在于，所述依据所述形态学信息和所述边界信息生成物理方程残差...

【技术特征摘要】

1.一种基于图神经网络的血流储备分数估计方法，其特征在于，包括步骤：

2.根据权利要求1所述的方法，其特征在于，所述获取目标冠状动脉的造影图像，并依据所述造影图像确定目标冠状动脉的先验信息的步骤，包括：

3.根据权利要求1所述的方法，其特征在于，所述依据所述先验信息确定受目标冠状动脉拓扑约束的条件特征的步骤，包括：

4.根据权利要求1所述的方法，其特征在于，所述依据所述先验信息和所述条件特征生成目标冠状动脉的血压预测值和血流量预测值的步骤，包括：

5.根据权利要求4所述的方法，其特征在于，所述依据所述形态学信息和所述边界信息生成物理方程残差的步骤，包括：<...

【专利技术属性】
技术研发人员：刘修健，高智凡，张贺晔，何英，谢佰洪，张琦，
申请(专利权)人：中山大学，
类型：发明
国别省市：