[发明专利]冠状动脉狭窄的量化方法及装置

说明书

本申请提供了一种冠状动脉狭窄的量化方法及装置，包括：利用人工神经网络的自学习能力，建立冠状动脉多视角医学图像的多视角图像特征与冠状动脉狭窄的形态学参数之间的对应关系；获取患者的当前冠状动脉多视角医学图像的当前多视角图像特征；通过所述对应关系，确定与所述当前多视角图像特征对应的当前冠状动脉狭窄的形态学参数；具体地，确定与所述多视角图像特征对应的当前冠状动脉狭窄的形态学参数，包括：将所述对应关系中与所述当前多视角图像特征相同的多视角图像特征所对应的冠状动脉狭窄的形态学参数，确定为所述当前冠状动脉狭窄的形态学参数。基于多视角预测冠状动脉狭窄的形态学参数，缓解狭窄与其他血管重叠给狭窄量化带来的影响。

技术领域

本申请涉及医学检测领域，特别是冠状动脉狭窄的量化方法及装置。

背景技术

冠状动脉粥样硬化性心脏病(冠心病)是世界范围内最常见的心血管疾病之一。当冠状动脉壁上产生粥样硬化斑块时，会引起冠状动脉疾病。粥样硬化斑块会导致冠状动脉狭窄或闭塞，从而限制血液供应的心肌，并可能导致心肌缺血。当冠脉狭窄到达一定程度时，就需要进行介入治疗。此时，对冠脉狭窄进行量化在临床上变得十分重要，量化的相关参数指标决定了冠脉狭窄程度，并对介入术中决策以及支架选择起到参考作用。

在临床上，X-ray冠脉造影依然是帮助诊断和治疗冠状动脉疾病最常用的成像技术，且一直是观察冠脉狭窄的金标准。然而，目前在临床上医生主要通过目测或者手动测量的方法，在X-ray冠脉造影图像上对冠脉狭窄进行量化，这无疑是非常不准确的，并且不同的医生由于各自临床经验不同，也会造成冠脉狭窄量化结果不一致。并且在术中场景，这样的量化结果十分不可靠，不仅会降低术中工作效率，还会给病人带来一定的健康风险，甚至会导致不合适的介入治疗。因此，依靠计算机技术的自动量化冠脉狭窄的方法在临床上是迫切需要的，这不仅能够准确量化冠脉狭窄，还能一定程度上提高术中效率。

现有的基于计算机技术的方法大多基于低层次的冠脉特征表达，这并不能应对在X-ray冠脉造影图像上复杂的冠脉。在1997年，Andreas K.Klein等人在《IEEE医学影像汇刊》上提出，将一组不同方向的偶数和奇数S-Gabor滤波器对与血管图像进行卷积，以创建外部蛇形能量场。2015年，杨健等人在《IEEE生物医学工程汇刊》上，提出一种新颖的平均合成后外力背投影组合物模型，并集成到用于从多个造影冠状动脉的3-d重建的变形模型框架，这虽然能够得到了较为准确的量化结果，但是通过重建的中间过程，无疑积累了更多误差。2018年，Tao Wang在《生物医学中的计算机方法和程序》中提出一种基于图像的自动计算方法，该方法先通过图像处理，再进行血管轮廓提取，最后进行冠脉狭窄直径的估计。这些方法，虽然实现了相对于临床上医生目测的方法更好的量化结果，但是它们依然无法在适用于术中场景，因为这些方法大多基于多个中间过程，比如需要先对冠状动脉血管进行分割，提取或者重建等，这无疑造成了误差积累，并且耗时。

发明内容

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地解决所述问题的冠状动脉狭窄的量化方法及装置，包括：

一种冠状动脉狭窄的量化方法，包括：

利用人工神经网络的自学习能力，建立冠状动脉多视角医学图像的多视角图像特征与冠状动脉狭窄的形态学参数之间的对应关系；其中，所述多视角至少包括三个位置不同的视角；

获取患者的当前冠状动脉多视角医学图像的当前多视角图像特征；

通过所述对应关系，确定与所述当前多视角图像特征对应的当前冠状动脉狭窄的形态学参数；具体地，确定与所述多视角图像特征对应的当前冠状动脉狭窄的形态学参数，包括：将所述对应关系中与所述当前多视角图像特征相同的多视角图像特征所对应的冠状动脉狭窄的形态学参数，确定为所述当前冠状动脉狭窄的形态学参数。

进一步地，