[發(fā)明專(zhuān)利]基于深度學(xué)習(xí)的冠脈重構(gòu)和血流儲(chǔ)備分?jǐn)?shù)計(jì)算方法、裝置、設(shè)備以及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010623469.6
• 申請(qǐng)日: 2020-07-01
• 公開(kāi)（公告）號(hào): CN111652881A
• 公開(kāi)（公告）日: 2020-09-11
• 發(fā)明（設(shè)計(jì)）人: 馮立;宋湘芬;趙行;劉欣;向建平
• 申請(qǐng)（專(zhuān)利權(quán)）人: 杭州脈流科技有限公司
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06T7/149;A61B6/00;G06N3/04;G06N3/08
• 代理公司: 杭州君度專(zhuān)利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 解明鎧

本申請(qǐng)涉及基于深度學(xué)習(xí)的冠脈重構(gòu)和血流儲(chǔ)備分?jǐn)?shù)計(jì)算方法、裝置、設(shè)備以及可讀存儲(chǔ)介質(zhì)。通過(guò)深度學(xué)習(xí)模型自動(dòng)重構(gòu)冠狀動(dòng)脈血管模型，并通過(guò)求解血流動(dòng)力學(xué)控制方程獲取功能學(xué)參數(shù)——血流儲(chǔ)備分?jǐn)?shù)。通過(guò)深度學(xué)習(xí)的方式自動(dòng)化尋找冠狀動(dòng)脈中心線并自動(dòng)分割出冠狀動(dòng)脈模型，大大減少了人工手動(dòng)分割或者半自動(dòng)分割的工作量和工作時(shí)間。另外基于集總參數(shù)模型的血流動(dòng)力學(xué)計(jì)算，在出口邊界耦合微循環(huán)阻力能夠更加真實(shí)地模擬患者冠脈內(nèi)的血液流動(dòng)，更加準(zhǔn)確地計(jì)算出血流儲(chǔ)備分?jǐn)?shù)。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，特別是涉及基于深度學(xué)習(xí)的冠脈重構(gòu)和血流儲(chǔ)備分?jǐn)?shù)計(jì)算方法、裝置、設(shè)備以及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

冠狀動(dòng)脈血管造影曾被認(rèn)為是診斷冠心病的“金標(biāo)準(zhǔn)”，但它只能定性地評(píng)價(jià)病變狹窄程度，卻無(wú)法定量地評(píng)價(jià)病變狹窄對(duì)冠狀動(dòng)脈生理功能的影響，因此可能高估或低估病變的嚴(yán)重程度，導(dǎo)致需要治療的病變沒(méi)有處理或過(guò)度處理不需治療的病變。1993年NicoPijls等提出了通過(guò)壓力測(cè)定推算冠脈血流的新指標(biāo)—血流儲(chǔ)備分?jǐn)?shù)(Fractional FlowReserve，F(xiàn)FR)。經(jīng)過(guò)長(zhǎng)期的基礎(chǔ)與臨床研究，F(xiàn)FR已經(jīng)成為冠脈狹窄功能性評(píng)價(jià)的公認(rèn)指標(biāo)。

血流儲(chǔ)備分?jǐn)?shù)(FFR)是一種用于醫(yī)療診斷冠狀動(dòng)脈生理功能的參數(shù)，指在冠狀動(dòng)脈存在狹窄病變的情況下，該血管所供心肌區(qū)域能獲得的最大血流量與同一區(qū)域理論上正常情況下所能獲得的最大血流量之比，其等效壓強(qiáng)比定義如下：冠狀動(dòng)脈在最大充血狀態(tài)下，狹窄近端和心臟主動(dòng)脈的壓強(qiáng)的比值即為血流儲(chǔ)備分?jǐn)?shù)。

可通過(guò)侵入式測(cè)試獲取FFR，例如診斷性心導(dǎo)管插入術(shù)，其可包括進(jìn)行常規(guī)冠狀動(dòng)脈血管造影(CCA)以可使冠狀動(dòng)脈病變可視化，同時(shí)在靜脈內(nèi)施用腺苷誘導(dǎo)的條件下(冠狀動(dòng)脈處于最大充血狀態(tài))，計(jì)算由壓強(qiáng)傳感器獲取的冠狀動(dòng)脈狹窄近端壓強(qiáng)和心臟主動(dòng)脈壓強(qiáng)的比值從而得到FFR。侵入式測(cè)試的缺點(diǎn)在于會(huì)對(duì)患者造成增加的風(fēng)險(xiǎn)和更多的費(fèi)用。

因此需要一種以非侵入式獲取FFR的方法，降低診斷的風(fēng)險(xiǎn)和費(fèi)用，此方法和系統(tǒng)需要提供患者冠狀動(dòng)脈特異性醫(yī)學(xué)影像和患者生理信息。發(fā)明人發(fā)現(xiàn)，相關(guān)技術(shù)中，不論是冠狀動(dòng)脈中心線的提取過(guò)程，構(gòu)建初始冠脈模型過(guò)程，得到最終的冠脈模型以及獲得血流儲(chǔ)備分?jǐn)?shù)過(guò)程均存在改進(jìn)空間。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述技術(shù)問(wèn)題，本申請(qǐng)公開(kāi)了基于深度學(xué)習(xí)的冠脈重構(gòu)和血流儲(chǔ)備分?jǐn)?shù)計(jì)算方法，包括：

步驟1，獲取冠脈CT影像數(shù)據(jù)；將所述冠脈CT影像數(shù)據(jù)輸入基于神經(jīng)網(wǎng)絡(luò)的二分類(lèi)檢測(cè)器模型以得到CT冠狀動(dòng)脈中心線種子點(diǎn)的檢測(cè)結(jié)果；將所述冠脈CT影像數(shù)據(jù)、所述檢測(cè)結(jié)果輸入基于神經(jīng)網(wǎng)絡(luò)的追蹤器模型以得到CT冠狀動(dòng)脈中心線追蹤結(jié)果，所述追蹤結(jié)果包括CT冠狀動(dòng)脈中心線的離散點(diǎn)集和各點(diǎn)的預(yù)測(cè)半徑；

步驟2，構(gòu)建評(píng)估函數(shù)，并利用所述評(píng)估函數(shù)、所述追蹤結(jié)果分類(lèi)所述冠脈CT影像數(shù)據(jù)中的各體素以獲得冠狀動(dòng)脈初始模型；利用圖像分割算法對(duì)所述冠狀動(dòng)脈初始模型進(jìn)行優(yōu)化獲得冠狀動(dòng)脈最終模型；

步驟3，利用冠狀動(dòng)脈最終模型計(jì)算獲得血流儲(chǔ)備分?jǐn)?shù)分布。

以下還提供了若干可選方式，但并不作為對(duì)上述總體方案的額外限定，僅僅是進(jìn)一步的增補(bǔ)或優(yōu)選，在沒(méi)有技術(shù)或邏輯矛盾的前提下，各可選方式可單獨(dú)針對(duì)上述總體方案進(jìn)行組合，還可以是多個(gè)可選方式之間進(jìn)行組合。

可選地，所述步驟1中，所述檢測(cè)器模型預(yù)先經(jīng)過(guò)如下訓(xùn)練：

輸入檢測(cè)訓(xùn)練集，所述檢測(cè)訓(xùn)練集包括中心線體素和按照預(yù)設(shè)規(guī)則選取的樣本體素；

所述檢測(cè)器模型將所述檢測(cè)訓(xùn)練集二分類(lèi)得到所述檢測(cè)結(jié)果；

利用第一損失函數(shù)評(píng)估所述檢測(cè)結(jié)果并得到改進(jìn)后的檢測(cè)器模型；

所述追蹤器模型預(yù)先經(jīng)過(guò)如下訓(xùn)練：