[發明專利]一種結合多運動強度下的狹窄冠脈血運變化的分析方法

在審

• 申請號: 202210491604.5
• 申請日: 2022-04-29
• 公開（公告）號: CN114864095A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 謝國;葉欣;穆凌霞;李艷愷;王承蘭;王博;李佳婕;金永澤;上官安琪
• 申請（專利權）人: 西安理工大學
• 主分類號: G16H50/50
• 分類號: G16H50/50;G16H30/40;G06F30/23;G06F30/28;G06V10/44;G06V10/82;G06N3/04;G06N3/08;G06T5/00;G06T7/00;G06T7/11;G06T7/136;G06T17/20;G06F111/10
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 王敏強

1.一種結合多運動強度下的狹窄冠脈血運變化的分析方法，其特征在于，具體按照以下步驟實施：

步驟1、對冠脈狹窄CT圖構建圖像樣本庫，進行標簽類別處理；

步驟2、對步驟1中由心臟CTA提取出的CT原始序列圖采用小波相關方法進行去噪、增強預處理；

步驟3、對CT圖像采用深度學習方法中卷積神經網絡模型CNN進行特征提取，并采用Otsu方法進行分割，最后進行三維重建；

步驟4、按照7：3的原則，采用隨機索引法，將入組的M例樣本分為訓練組和測試組，將步驟3中三維重建后的圖像進行有限元分析；

步驟5、將步驟4中篩選后的病人統一集中，保證一切正常情況下，測試患者在靜息狀態、不同運動強度的情況下，病人的壁面剪切力、血流速度、壁面壓力以及壁面形變變化情況。

2.根據權利要求1所述的一種結合多運動強度下的狹窄冠脈血運變化的分析方法，其特征在于，所述步驟1具體按照以下步驟實施：

在醫院數據系統中收集近一年來同時做過心臟CTA和冠脈造影DSA檢查的患者信息和圖像，即能夠將CT圖像和冠脈狹窄金指標數據進行對應，隱去圖像中患者的基本信息之后，進行標簽類別標注，篩選出符合影像質量、年齡在20～50歲、且狹窄范圍在25％～49％的400例患者，分別進行靜息以及不同強度運動等級下的冠脈CT圖像作為選定的輸入樣本，其中，運動強度等級依據最大耗氧量VO2max分為五級，一級：最大攝氧量小于45％；二級：最大攝氧量為55％～65％；三級：最大攝氧量為75％～85％；四級：最大攝氧量為90％～95％；五級：最大攝氧量大于95％。

3.根據權利要求2所述的一種結合多運動強度下的狹窄冠脈血運變化的分析方法，其特征在于，所述步驟2具體按照以下步驟實施：

步驟2.1、首先，進行圖像的去噪處理，將步驟1中作為選定的輸入樣本作歸一化處理，圖片尺寸統一成像素為512*512，將樣本中的原始信號和含噪信號首先采用Mallat算法進行小波分解，分解為多層的低頻信號小波系數和多層的細節信號小波系數，然后采用小波局部閾值的方法進行去噪處理，最后小波重構，得到去噪信號的樣本；

其中，采用小波局部閾值的方法具體如下：

閾值的選取如下：

在對角方向上取：

其中，λ₁為對角方向的閾值，σ為噪聲標準方差，N為信號的尺度或長度；

在水平H、垂直V方向上取：

其中，λ₂為水平H、垂直V方向上的閾值，σ為噪聲標準方差，N為信號的尺度或長度；

σ估計為：

其中，M表示小波變換的第1層細節信號小波系數中值的絕對值；

閾值函數的選取：

閾值函數是修正小波系數的規則，閾值函數為：

其中，w_j、_k是二維小波系數，閾值λ取值為λ₁、λ₂；

步驟2.2、對去噪后的圖像作增強處理，采用小波圖像子帶增強算法，第一步進行2層小波分解，分別提取低頻子圖像以及低頻子圖像的小波系數；第二步確定高頻小波閾值；第三步計算各層的增益系數；第四步去噪并增強按照圖像增強的要求分別對低頻、高頻子圖像的小波系數乘以不同的權數對小波系數進行處理。

4.根據權利要求3所述的一種結合多運動強度下的狹窄冠脈血運變化的分析方法，其特征在于，所述步驟2.2中小波圖像子帶增強算法中，低頻子圖像的增強權值為高頻子圖像采用公式進行處理：

其中，選取圖像增強的閾值l＝0.1，垂直邊緣子圖HL、水平邊緣子圖LH的增強系數k＝20，對角線子圖HH的增強系數k＝23，最后對增強后的小波系數進行小波逆變換得到增強后的圖像。