[发明专利]一种血管参数的计算方法、装置、设备及存储介质

说明书

本发明实施例公开了一种血管参数的计算方法、装置、设备及存储介质。该方法包括：确定待检测网格血管图像和与所述待检测网格血管图像对应的血流参数；基于所述血流参数对所述待检测网格血管图像进行初始化设置；将经所述初始化设置的待检测网格血管图像输入到预先训练完成的血管参数网络模型中，得到输出的所述待检测网格血管图像中各网格节点处的目标血管参数。本发明实施例通过血管参数网络模型计算血管动力学参数，解决了血管动力学参数计算复杂的问题，提高了血管动力学参数的计算效率和计算结果的准确率。

技术领域

本发明实施例涉及血管影像技术领域，尤其涉及一种血管参数的计算方法、装置、设备及存储介质。

背景技术

计算机断层扫描(Computed Tomography，CT)、磁共振检查(Magnetic Resonance，MR)和C型臂X光机等医学影像学技术在医学诊断和治疗中发挥着重要作用。尤其是通过采用大C型臂的数字剪影血管成像技术(digital subtraction angiography，DSA)对血管进行成像分析时，目前的现有技术主要是通过图像分割方法，对血管图像进行分割，以便医生可以清楚的观察到目标血管的形态结构，进而判断目标血管是否存在狭窄、斑块和动脉瘤等问题。进一步的，通过血流参数检测设备，如多普勒超声检查设备，可以得到被测部位的血流参数信息，医生通过结合血管的形状结构信息和血流参数信息，对被测部位进行诊断分析和制定治疗计划。

近年来随着医学的进步，医生希望能进一步了解这些血管中的血流情况，以便对疾病进行更加准确的诊断。因为血管对人体生命活动最重要的功能，只观察到血管的形态和整体上的血流参数，并不足以判断某一特定目标血管供血是否充足，或该处的血管狭窄是否是影响血流参数异常的主要原因。因此，针对每个单位血管位置处的血管动力学参数的研究越来越受到重视。

有人提出根据血管图像和生理参数，计算血流的特征向量，根据特征向量采用机器学习的方法进行分类，生成每个体素处的血流信息。这种方法的缺点在于特征向量很难提取，需要大量的实验和经验，也只能得到比较近似的效果，无法全面的模拟血流信息，得到的血管参数结果准确度不高。

发明内容

本发明实施例提供了一种血管参数的计算方法、装置、设备及存储介质，以提高血管动力学参数的计算效率和计算结果的准确率。

第一方面，本发明实施例提供了一种血管参数的计算方法，该方法包括：

确定待检测网格血管图像和与所述待检测网格血管图像对应的血流参数；

基于所述血流参数对所述待检测网格血管图像进行初始化设置；

将经所述初始化设置的待检测网格血管图像输入到预先训练完成的血管参数网络模型中，得到输出的所述待检测网格血管图像中各网格节点处的目标血管参数。

第二方面，本发明实施例还提供了一种血管参数的计算装置，该装置包括：

待检测网格血管图像确定模块，用于确定待检测网格血管图像和与所述待检测网格血管图像对应的血流参数；

初始化设置模块，用于基于所述血流参数对所述待检测网格血管图像进行初始化设置；

目标血管参数确定模块，用于将经所述初始化设置的待检测网格血管图像输入到预先训练完成的血管参数网络模型中，得到输出的所述待检测网格血管图像中各网格节点处的目标血管参数。

第三方面，本发明实施例还提供了一种设备，该设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述所涉及的任一所述的血管参数的计算方法。