一种人工心脏瓣膜性能优化方法、装置及系统与流程

本公开涉及医疗器械技术领域，尤其涉及一种人工心脏瓣膜性能优化方法、装置及系统。

背景技术：

由于结构组织功能性退化、应力应变引起疲劳损坏和瓣叶钙化等原因，心脏瓣膜可能发生病变。目前为了治疗心脏瓣膜病变，通常的治疗方法是心脏瓣膜置换手术。人工心脏瓣膜例如生物瓣膜与人体心脏瓣膜极其接近，具有相似的血液动力学性能，置换后患者无需终生抗凝治疗。

但是，生物瓣膜有其自身材料特性，在不断受到血流冲击的影响下，会发生瓣叶钙化、退化和撕裂，这明显缩短了生物瓣膜的使用寿命。多年来，研究人员一直致力于研制性能更为优良的心瓣，但目前的研究主要是运用常规几何模型近似模拟设计，设计计算结果精度差，进而难以对生物瓣膜的性能进行优化。因此，如何提高设计精度，进而提高人工心脏瓣膜的性能是本领域技术人员亟需解决的技术问题。

技术实现要素：

本发明实施例中提供了一种人工心脏瓣膜性能优化方法、装置及系统，以解决现有技术中的人工心脏瓣膜设计精度低的问题，进而提高人工心脏瓣膜的性能。

为了解决上述技术问题，本发明实施例公开了如下技术方案：

第一方面，本发明实施例提供了一种人工心脏瓣膜性能优化方法，该方法包括：

获取扫描设备采集得到的心脏瓣膜图像；

从所述心脏瓣膜图像中，提取主动脉段模型；

对所述主动脉段模型进行网格优化，并从网格优化后的主动脉段模型中剪切得到初始瓣膜模型，其中，所述初始瓣膜模型包括3片切分开的瓣叶模型；

在所述主动脉段模型上瓣叶位置的下方构建动脉，得到动脉血液模型；

将所述初始瓣膜模型和所述动脉血液模型分别进行模型优化，得到实体瓣膜模型和实体动脉壁模型；

对所述实体瓣膜模型和所述实体动脉壁模型进行有限元分析，得到人工心脏瓣膜设计结果。

可选地，从所述心脏瓣膜图像中，提取主动脉段模型，包括：

获取用户选定的主动脉段的参考像素点，并提取所述参考像素点的像素值作为参考像素值；

根据心脏瓣膜图像中像素点与像素值的分布关系，确定小于或等于所述参考像素值、且与所述参考像素值最近的像素点数目尖峰像素值作为像素阈值；

提取像素值大于或等于所述像素阈值的所有像素点，作为候选像素点；

根据所述候选像素点，得到主动脉段模型。

可选地，根据所述候选像素点，得到主动脉段模型，包括：

根据参考像素点，建立像素点集；

以参考像素点为中心确定参考范围，当所述参考范围内存在至少一个非像素点集内的候选像素点时，将所述候选像素点增加到所述像素点集；

将位于所述参考范围边缘的候选像素点作为新的参考像素点；

当所述参考范围内的候选像素点均属于所述像素点集时，根据所述像素点集，生成主动脉段模型。

可选地，根据所述像素点集，生成主动脉段模型，包括：

根据所述像素点集，确定主动脉段边缘轮廓；

根据属于所述主动脉段边缘轮廓内的所有像素点，构建主动脉段模型。

可选地，所述人工心脏瓣膜性能优化方法，还包括：

当所述主动脉段模型包括多张依次排序的断面图时，根据所述断面面积的变化趋势，确定第一断面图和第二断面图；其中，所述多张断面图包括所述主动脉段模型的局部断面，所述第一断面图为断面面积从小到达变化拐点对应的断面图，所述第二断面图为断面面积从大到小变化拐点对应的断面图；

将第一断面图和第二断面图之间的断面图，组成所述主动脉段模型。

可选地，对所述主动脉段模型进行网格优化，包括：

根据平滑系数和第一迭代次数，进行第一光滑处理；

根据反转阀值角度、第一几何错误值和第二迭代次数，进行第一三角优化；

根据第一质量阀值、第二几何错误值、第一三角形最大边长和第三迭代次数，进行第二光滑处理；

根据第二指令阀值、最大误差、第三迭代次数和第二三角形最大边长，进行第二三角优化；

根据第二三角优化后的表面网格，生成体积网格。

可选地，所述模型优化包括对所述初始瓣膜模型和所述动脉血液模型分别依次进行点云优化、多边形优化和曲面优化。

可选地，所述点云优化包括：

对所述初始瓣膜模型和所述动脉血液模型分别进行坏点去除，其中，所述坏点包括杂点、冗余点和噪声点的一种或多种；

通过统一采样，增加优化点，得到优化后的初始瓣膜模型和动脉血液模型；

将优化后的初始瓣膜模型和动脉血液模型上的点云使用三角面片连接，进行曲面封装。

第二方面，本发明实施例还提供了一种人工心脏瓣膜性能优化装置，该装置包括：

获取模块，用于获取扫描设备采集得到的心脏瓣膜图像；

提取模块，用于从所述心脏瓣膜图像中，提取主动脉段模型；

网格优化模块，用于对所述主动脉段模型进行网格优化，并从网格优化后的主动脉段模型中剪切得到初始瓣膜模型，其中，所述初始瓣膜模型包括3片切分开的瓣叶模型；

动脉血液模型构建模块，用于在所述主动脉段模型上瓣叶位置的下方构建动脉，得到动脉血液模型；

模型优化模块，用于将所述初始瓣膜模型和所述动脉血液模型分别进行模型优化，得到实体瓣膜模型和实体动脉壁模型；

分析模块，用于对所述实体瓣膜模型和实体主动脉模型进行有限元分析，得到人工心脏瓣膜设计结果。

第三方面，本发明实施例还提供了一种人工心脏瓣膜性能优化系统，该系统包括扫描设备和服务器，其中：

所述扫描设备，用于采集人体的心脏瓣膜图像；

所述服务器，用于获取扫描设备采集得到的心脏瓣膜图像；从所述心脏瓣膜图像中，提取主动脉段模型；对所述主动脉段模型进行网格优化，并从网格优化后的主动脉段模型中剪切得到初始瓣膜模型，其中，所述初始瓣膜模型包括3片切分开的瓣叶模型；在所述主动脉段模型上瓣叶位置的下方构建动脉，得到动脉血液模型；将所述初始瓣膜模型和所述动脉血液模型分别进行模型优化，得到实体瓣膜模型和实体动脉壁模型；对所述实体瓣膜模型和实体主动脉模型进行有限元分析，得到人工心脏瓣膜设计结果。

本公开的实施例提供的技术方案可以包括以下有益效果：本发明实施例提供了一种人工心脏瓣膜性能优化方法、装置及系统，通过获取扫描设备采集得到的心脏瓣膜图像；从所述心脏瓣膜图像中，提取主动脉段模型；对所述主动脉段模型进行网格优化，并从网格优化后的主动脉段模型中剪切得到初始瓣膜模型，其中，所述初始瓣膜模型包括3片切分开的瓣叶模型；在所述主动脉段模型上瓣叶位置的下方构建动脉，得到动脉血液模型；将所述初始瓣膜模型和所述动脉血液模型分别进行模型优化，得到实体瓣膜模型和实体动脉壁模型；对所述实体瓣膜模型和实体主动脉模型进行有限元分析，得到人工心脏瓣膜设计结果。根据该人工心脏瓣膜设计结果制造人工心脏瓣膜，本发明将有限元法与生物科学相结合，使用真实人体CT扫描图像对生物瓣膜模型进行重建，缩小了人工心脏瓣膜与天然心脏瓣膜的差距。同时，对重建的模型进行实体化处理，提取瓣膜外形的关键特征，对模型进行二次重建，得到更为贴近实际的三维模型。本次建模模型不但可以真实的呈现人体心脏瓣膜外形，还可以利用有限元软件模拟该模型在血液冲击瓣膜的受力分布，从而提高人工心脏瓣膜性能。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种人工心脏瓣膜性能优化方法的流程示意图；

图2为本发明实施例提供的一种主动脉段模型提取方法的流程示意图；

图3为本发明实施例提供的一种心脏结构的示意图；

图4为本发明实施例提供的一种像素点与像素值分布关系图；

图5为本发明实施例提供的阈值分割后的主动脉段示意图；

图6为本发明实施例提供的另一种主动脉段模型提取方法的流程示意图；

图7为本发明实施例提供的筛选前后的对比图；

图8为补洞前后的对比图；

图9为本发明实施例提供的再一种主动脉段模型提取方法的流程示意图；

图10为本发明实施例提供的又一种主动脉段模型提取方法的流程示意图；

图11(a)为目标图层逐渐增大图片；

图11(b)为目标图层逐渐减小图片；

图12为本发明实施例提供的一种主动脉段模型的结构示意图；

图13为本发明实施例提供的一种网格优化方法的流程示意图；

图14为剪切示意图；

图15为剪切完成图；

图16为导入MIMICS界面的瓣叶；

图17为切分后的瓣叶；

图18为网格优化后的动脉血液模型图；

图19为本发明实施例提供的一种点云优化方法的流程示意图；

图20为未优化的动脉血液模型图；

图21为坏点去除后的动脉血液模型图；

图22为统一采样后的动脉血液模型图；

图23为封装后的动脉血液模型图；

图24为多边形优化的流程示意图；

图25为曲面优化的流程示意图；

图26为实体主动脉模型和实体瓣膜模型示意图；

图27为本发明实施例提供的一种人工心脏瓣膜性能优化装置的结构示意图；

图28为本发明实施例提供的一种人工心脏瓣膜性能优化系统的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

参见图1，为本发明实施例提供的一种人工心脏瓣膜性能优化方法的流程示意图，如图1所示，该方法包括：

步骤S101：获取扫描设备采集得到的心脏瓣膜图像。

在本发明实施例中，心脏瓣膜图像采集对象是30岁健康男性，该男性无心脏病史，无心脏及胸腔外伤，以此例详细论述血液及心脏瓣膜模型重建过程：首先使用CT(英文：Computed Tomography，中文：电子计算机断层扫描)扫描成像设备(型号：GE MEDICAL SYSTEMS/Discovery CT750HD，工作电压：120KV，工作电流：102.60mAs，曝光时长：228s)，经过扫描，采集了人体心脏(CT)数据，图像宽度：512mm，高度：512mm，像素：0.488，扫描层厚0.625mm,扫描层数是209层。最后将所得到的可以清楚呈现主动脉瓣的连续横断面图像以及矢断面图像的Dicom图像资料通过工作站输出到移动硬盘，作为血液、主动脉瓣建模数据。

服务器、个人电脑等计算机终端获得由上述CT扫描成像设备采集的横断面图像和矢断面图像，进行后续步骤的处理。

步骤S102：从所述心脏瓣膜图像中，提取主动脉段模型。

利用Mimics软件将该心脏瓣膜图像导入计算机终端，选择建模所要用到的心脏图像数据，Mimics可以自动提取一系列单个图像体信息。在图片导入后，心脏瓣膜能够以三个视图展示，即扫描仪出口方向的视图称为轴向视图(xy-view)，沿z轴方向扫描的视图称为冠状视图(xz-view)，以及沿x轴方向扫描的视图称为矢状视图(yz-view)。

由于主动脉段模型是构建心脏瓣膜的关键，为了从上述心脏瓣膜图像中提取出主动脉段模型，参见图2，为本发明实施例提供的一种主动脉段模型提取方法的流程示意图，如图2所示，本发明实施例示出了根据像素阈值提取所述主动脉段模型的过程：

步骤S201：获取用户选定的主动脉段的参考像素点，并提取所述参考像素点的像素值作为参考像素值；

参见图3，为本发明实施例提供的一种心脏结构的示意图，用户可以在心脏冠状面图像中选择主动脉段的大体位置对应的像素点作为参考像素点，如图3中的A点所示。服务器获取用户所选择的参考像素点，并提取所述参考像素点的像素值作为参考像素值。

步骤S202：根据心脏瓣膜图像中像素点与像素值的分布关系，确定小于或等于所述参考像素值、且与所述参考像素值最近的像素点数目尖峰像素值作为像素阈值。

参见图4，为本发明实施例提供的一种像素点与像素值分布关系图，如图4所示，该分布关系图显示了像素值，以及每个像素值所对应的像素点的数量。在一示例性实施例中，通过步骤S201得到的参考像素值为400，则根据所述分布关系图，像素点数目尖峰B对应的像素值为300，小于参考像素值，而且，所述像素点数目尖峰是距离参考像素值最近的尖峰，因此确定像素点数目尖峰B的像素值300作为像素阈值。

步骤S203：提取像素值大于或等于所述像素阈值的所有像素点，作为候选像素点。

提取像素值大于或等于上述像素阈值的所有像素点，作为候选像素点。

步骤S204：根据所述候选像素点，得到主动脉段模型。

参见图5，为本发明实施例提供的阈值分割后的主动脉段示意图，从图3所示的结构图中，根据选择出的候选像素点，分割出主动脉段模型。

而且，需要说明的是，通过像素阀值用来进行图像分割，设定像素阀值要遵循的原则是：要提取分割图像的像素值必须高于或等于阀值。阀值有上阀值和下阀值，分割掩模包含这两个值之间的所有像素。在低阀值的图像中，可以选择扫描对象的软组织。但是当阀值太高，只能选择最密集的部分。根据建模的目的去定义阀值，如果只是想生成一个漂亮模型,推荐较低的阀值,这样生成的模型空洞较少。当模型是为模拟分析而服务，那么选择较高的阀值。在选取心脏瓣膜组织时，需要上阀值和下阀值的协调定义。而且，上述实施例中的像素阈值为下阈值，且所述像素阈值的数值为300仅是一示例性实施例，在具体实施时，可以根据要选取的主动脉瓣要求，设置为其他任意数值。另外，为了进一步提高选取精度和效率，还可以对上阈值进行设定，本发明实施例中不做赘述。

由于通过上述方法得到主动脉段模型可能包含不必要的区域，为了对所述主动脉段模型进行优化，提高提取精度，参见图6，为本发明实施例提供的另一种主动脉段模型提取方法的流程示意图，在图2所示的方法的基础上，本发明实施例示出了对主动脉段模型进行筛选、填充的优化过程：

步骤S301：根据参考像素点，建立像素点集。

在初始化时，所述像素点集可以近包括参考像素点。

步骤S302：以参考像素点为中心确定参考范围，当所述参考范围内存在至少一个非像素点集内的候选像素点时，将所述候选像素点增加到所述像素点集。

以参考像素点为中心确定参考范围，在第一种实施情况下，可以将所述参考像素点8邻域作为参考范围；在第二种实施情况下，可以以所述参考像素点为中心，将以固定半径的圆周范围作为所述参考范围。

确定上述参考范围后，遍历所述参考范围内的所有像素点，当像素点为候选像素点、且存在至少一个像素点不属于上述像素点集时，将不属于上述像素点集的候选像素点增加到所述像素点集中，得到新的像素点集。

步骤S303：将位于所述参考范围边缘的候选像素点作为新的参考像素点。

将位于所述参考范围边缘的候选像素点作为新的参考像素点，返回步骤S302进行下一轮循环。

步骤S304：当所述参考范围内的候选像素点均属于所述像素点集时，根据所述像素点集，生成主动脉段模型。

通过步骤S302至步骤S303的循环，当最终得到每个参考范围内的候选像素点均属于所述像素点集时，则循环结束。根据最后得到的所述像点集，生成主动脉段模型。

通过上述步骤，能够以所述参考像素点作为基础，将所述参考像素点周边的邻近像素点汇聚起来得到完整的主动脉段模型，而且还能有有效过滤掉不属于主动脉段模型的像素点，保证了提取的精度。

参见图7，为本发明实施例提供的筛选前后的对比图，如图7所示，不相关的部分已经被擦除，得到了精确的主动脉段图像。而且，需要说明的是，在另一示例性实施例中，用户还可以使用Mimics工具，在编辑或察看图像时，使用放大工具来放大自己感兴趣的部分。具体操作方法是：首先用鼠标左击放大按钮，然后再左击目标图像即可。利用编辑图像工具，选择擦除模式Erase，可以将图片中已经选择的不相关部分清除掉。、。除此之外，大片绿色区域有些许的空洞，这些空洞对有限元分析会造成很大的影响，所以应该填充空洞，保证图像选取的质量。选择绘制模式Draw，、对图像中的空洞进行填充。图8是补洞前后的对比图，可以看到之前的空洞没有了。空洞的产生是由于CT阀值的差别造成的。在编辑处理过程中，根据实际情况可以选择圆形Circle、方形Square和套索Lasso三种方式中的任意一种或多种。

参见图9，为本发明实施例提供的再一种主动脉段模型提取方法的流程示意图，在图6所示的方法的基础上，本发明实施例示出了分离选取的过程：

步骤S401：根据所述像素点集，确定主动脉段边缘轮廓。

根据上述实施例得到的像素点集，确定位于边缘位置的多个像素点，例如在具体实施时，可以在Y方向上设置多条平行于X方向的扫描线，在每条扫描线上确定X坐标位置最大和最小的两个像素点作为位于边缘位置的像素点等，在本发明实施例中不再赘述。将位于边缘位置的像素点连线，可以得到主动脉段边缘轮廓。

步骤S402：根据属于所述主动脉段边缘轮廓内的所有像素点，构建主动脉段模型。

选中属于所述主动脉段边缘轮廓内的所有像素点，并根据上述像素点构建主动脉段模型。

通过上述步骤，可以有效去除候选边缘点的不连续性导致的空洞，从而得到效果更好的主动脉段模型，而且方便将所述主动脉段模型从背景中分割出来。

当然，在另一示例性实施例中，使用区域增长命令对阀值分割中选定的结构进行图像分离，并清除浮动像素点，实现不同结构的图像分离。单击区域增长按钮，此时鼠标在屏幕上是十字形。在感兴趣的对象上点击鼠标左键，与此标志点相连的所有对象又被重新分割。

在经过上述步骤的处理之后，如果目标图像的效果依然不能够满足有限元分析的需求，在本发明实施例中还提供了又一种主动脉段模型提取方法，通过多层编辑的方式提取所述主动脉段模型。

参见图10，为本发明实施例提供的又一种主动脉段模型提取方法的流程示意图，在图9所示的方法的基础上，本发明实施例示出了断面图筛选的过程：

步骤S501：当所述主动脉段模型包括多张依次排序的断面图时，根据所述断面面积的变化趋势，确定第一断面图和第二断面图；其中，所述多张断面图包括所述主动脉段模型的局部断面，所述第一断面图为断面面积从小到大变化拐点对应的断面图，所述第二断面图为断面面积从大到小变化拐点对应的断面图。

参见图11(a)，为目标图层逐渐增大图片，以及图11(b)，为目标图层逐渐减小图片。通过上述方法得到的主动脉段模型中包括多张沿固定坐标轴方向依次排序的断面图。图片提取过程如下：首先通过滑动右边的横断面图滑动条找到心脏瓣膜的最佳位置，这个位置可以清晰的看到主动脉的三片瓣叶，冠状图上的动脉壁轮廓能够一目了然。然后利用放大工具，放大左上角的冠状图，对图片有选择的选取，即沿主动脉轮廓选取。选取方向从横断面方向看由上到下依次选取目标区域，通过看图片右下角的数字，选取区域落在140.14图片到102.54图片之间，其中140.14图片在102.54图片的上方。从140.14开始使用对图片进行选取，目标区域由小逐渐变大，到126.95时，能够完整的呈现主动脉包括瓣膜在内的外轮廓，直到118.16图片目标区域逐渐变小，102.54图片是选取的最后一片区域。其中，瓣膜轮廓是从130.86图片开始慢慢出现，到110.35图片结束，可以将130.86图片作为所述第一断面图，将110.35图片作为所述第二断面图，在整个图片序列中，瓣膜轮廓经历了从无到有又到无的过程。

步骤S502：将第一断面图和第二断面图之间的断面图，组成所述主动脉段模型。

选取第一断面图和第二断面图之间的断面图，组成所述主动脉段模型。在上述示例性实施例中，选择130.86图片与110.35图片之间的断面图，构建所述主动脉段模型。

而且，需要说明的是，上述主动脉段模型提取方法实施例，可以使用单独的一种，或者多种组合实现对主动脉段模型的提取；另外在具体实施时，当所述主动脉段模型的精度要求较高时，可以通过上述提取方法多次迭代的方式，反复多次后才能得到精确的主动脉段模型。参见图12，为本发明实施例提供的一种主动脉段模型的结构示意图，如图12所示，通过上述步骤能够得到精确的主动脉段模型。

步骤S103：对所述主动脉段模型进行网格优化，并从网格优化后的主动脉段模型中剪切得到初始瓣膜模型，其中，所述初始瓣膜模型包括3片切分开的瓣叶模型。

参见图13，为本发明实施例提供的一种网格优化方法的流程示意图，如图13所示，该方法包括：

步骤S1031：根据平滑系数和第一迭代次数，进行第一光滑处理。

为了更好的进行有限元分析，必须对上述主动脉段模型进行光滑处理，在Mimics中选择光滑图标，设定平滑系数为0.7，第一迭代次数为3和选择使用补偿，进行第一光滑处理。

步骤S1032：根据反转阀值角度、第一几何错误值和第二迭代次数，进行第一三角优化。

继续对上述主动脉段模型进行减少三角形处理，使用减少命令，设定反转阀值角度为15，第一几何错误值设为0.2，第二迭代次数设为5，进行第一三角优化。

步骤S1033：根据第一质量阀值、第二几何错误值、第一三角形最大边长和第三迭代次数，进行第二光滑处理。

为了提高模型质量，进行自动重新划分网格，设定第一质量阀值为0.4，第二几何错误为0.2，选择控制三角形边的长度，设定第一三角形最大边长为5，第三迭代次数为4次，进行第二光滑处理。

步骤S1034：根据第二质量阀值、最大误差、第四迭代次数和第二三角形最大边长，进行第二三角优化。

进行进一步细化，减少小三角形，使用保存质量减少三角形命令，设置第二质量阀值为0.4，最大误差是0.3，第四迭代次数为4，以及第二三角形最大边长为5，记性第二三角优化。

步骤S1035：根据第二三角优化后的表面网格，生成体积网格。

生成表面网格后，下一步是生成体积网格，利用生成体积网格工具，选择Init and Refine方法，选择控制边缘长度，最大边长为5，质量阀值为0.3，得到体积网格。

主动脉表面优化完成后，就得到了光滑的动脉，将此模型导出并保存为STL格式文件。为了得到心脏瓣膜的模型，需要将动脉部分进行抽壳，使用图形化设计Design工具下的抽壳命令；为了得到瓣叶模型，使用表面处理Finish工具下的剪切命令，沿动脉窦上部进行剪切，图14为剪切示意图，图15为剪切完成图，导出并保存为STL格式。

参见图16，为导入MIMICS界面的瓣叶，以及图17为切分后的瓣叶，将剪切好的瓣叶模型导入MIMICS软件中，并利用仿真工具Simulation下的直线切割命令将三片瓣叶切分开，并分别命名为valve1,valve2和valve3导出并保存为STL格式。

步骤S104：在所述主动脉段模型上瓣叶位置的下方构建动脉，得到动脉血液模型。

将优化过的主动脉血液实体模型重新导入Mimics中，在瓣叶下方构建一段动脉。在区域增长步使用多层编辑命令按照上述步骤进行编辑，同样最后生成3D模型，并将两部分使用布尔运算相加后得到完整的动脉血液模型。

在操作界面上方工具条中选择“光滑工具”(smooth mask)，对新的血液模型进行去三角形等处理，细化网格并且优化其结构，最后得到优化后的血液模型如图18所示，最后将模型以STL格式输出并保存。

步骤S105：将所述初始瓣膜模型和所述动脉血液模型分别进行模型优化，得到实体瓣膜模型和实体动脉壁模型。

由于心脏瓣膜模型曲面形状复杂多变，每片瓣叶都是曲率变化较大的曲面，所以将Mimics中建立的血液和瓣叶以点云格式分别导入逆向工程软件Geomagic Studio之中，将模型处理成为可进行有限元分析的实体模型。

其中，在本发明实施例中，对所述初始瓣膜模型和所述动脉血液模型分别依次进行点云优化、多边形优化和曲面优化。在本发明实施例中，以动脉血液模型为例详细说明优化过程。

参见图19，为本发明实施例提供的一种点云优化方法的流程示意图，如图19所示，该方法包括：

步骤S1051：对所述初始瓣膜模型和所述动脉血液模型分别进行坏点去除，其中，所述坏点包括杂点、冗余点和噪声点的一种或多种。

在Geomagic Studio中打开动脉血液模型，点击工具栏中的点云按钮。这一操作的主要作用是处理点的质量和数量，去掉与模型无关的杂点和冗余点以及噪声点，这些统称为坏点。坏点的产生有多方面的原因，例如扫描质量低和操作过程不当等。

参见图20，为未优化的动脉血液模型图，同时参见图21，为坏点去除后的动脉血液模型图。

步骤S1052：通过统一采样，增加优化点，得到优化后的初始瓣膜模型和动脉血液模型。

为了更好的反映模型外观，还需要使用统一采样工具添加必要的点，最后得到优化后的点云模式，参见图22，为统一采样后的动脉血液模型图。

步骤S1053：将优化后的初始瓣膜模型和动脉血液模型上的点云使用三角面片连接，进行曲面封装。

点云阶段的最后一步是对优化后的点云进行包裹，也就是封装命令，完成封装。封装类型选择曲面封装，其实质是把点云使用三角面片连接起来，血液的外形很好的呈现出来，参见图23，为封装后的动脉血液模型图。

前边的操作已经把点经过处理后，形成了最简单的多边形，即三边形。多边形优化的一般化流程如图24所示。

在第一步中需要将模型中的破孔进行修补，使用填充命令按照自己的模型选择适合的填充类型，分为全部填充和填充单个孔，其中填充单个孔又有曲率填充、切线填充、平面填充、内部孔填充、边界孔填充、搭桥填充。模型表面还有一些棱角，需要使用上方工具栏中的松弛、删除钉状物、减少噪音、光顺、砂纸、流形等工具对模型的曲面片进行打磨、光滑。

多边形阶段完成后，选择工具栏上的精确曲面，进入曲面化模块，进行曲面优化。这部分操作的一般化流程如图25所示。

利用精确曲面按钮构造曲面片，进入曲面构造状态，工具栏上会呈现很多与曲面处理有关的工具，点击构造曲面片按钮，弹出构造曲面片设置窗口，可以根据情况选择合适的曲面数，也可以选择自动估计。生成曲面片后，再利用构造栅格命令构建网格，最后一步进行曲面拟合，利用拟合曲面工具。完成曲面拟合的前提是前边的所有操作没有问题，如果不能完成曲面拟合需要返回多边形阶段对模型再次填充以及去除材料处理。

将最后生成的NURBS曲面实体模型保存为“*.igs”格式文件，为下一步导入ANSYS Workbench打下基础。

利用上述同样的方法和步骤将生物瓣膜模型进行处理并保存为“*.igs”格式文件。

打开有限元软件Workbench，进入Design Modeler界面，选择导入外部几何模型，将保存好的血液和瓣膜模型导入，做相应的处理后，得到如图所示的实体主动脉模型和实体瓣膜模型如图26所示。

步骤S106：对所述实体瓣膜模型和实体主动脉模型进行有限元分析，得到人工心脏瓣膜设计结果。

对步骤S105得到的实体瓣膜模型和实体主动脉模型进行有限元分析，将符合力学标准的实体瓣膜模型和实体主动脉模型，作为人工心脏瓣膜设计结果，并根据所述人工心脏瓣膜设计结果制造人工心脏瓣膜。如果上述实体瓣膜模型和实体主动脉模型不符合力学标准，则重复上述步骤S101至步骤S104，得到新的模型，重新进行有限元分析，只至符合力学标准为止。

由上述实施例的描述可见，本发明实施例提供人工心脏瓣膜性能优化方法，通过获取扫描设备采集得到的心脏瓣膜图像；从所述心脏瓣膜图像中，提取主动脉段模型；对所述主动脉段模型进行网格优化，并从网格优化后的主动脉段模型中剪切得到初始瓣膜模型，其中，所述初始瓣膜模型包括3片切分开的瓣叶模型；在所述主动脉段模型上瓣叶位置的下方构建动脉，得到动脉血液模型；将所述初始瓣膜模型和所述动脉血液模型分别进行模型优化，得到实体瓣膜模型和实体动脉壁模型；对所述实体瓣膜模型和实体主动脉模型进行有限元分析，得到人工心脏瓣膜设计结果。根据该人工心脏瓣膜设计结果制造人工心脏瓣膜，本发明将有限元法与生物科学相结合，使用真实人体CT扫描图像对生物瓣膜模型进行重建，缩小了人工心脏瓣膜与天然心脏瓣膜的差距。同时，对重建的模型进行实体化处理，提取瓣膜外形的关键特征，使用CAD软件对模型进行二次重建，得到更为贴近实际的三维模型。本次建模模型不但可以真实的呈现人体心脏瓣膜外形，还可以利用有限元软件模拟该模型在血液冲击瓣膜的受力分布，从而提高人工心脏瓣膜性能。

通过以上的方法实施例的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

与本发明提供的人工心脏瓣膜性能优化方法实施例相对应，本发明还提供了一种人工心脏瓣膜性能优化装置。

参见图27，为本发明实施例提供的一种人工心脏瓣膜性能优化装置的结构示意图，该装置包括：

获取模块11，用于获取扫描设备采集得到的心脏瓣膜图像；

提取模块12，用于从所述心脏瓣膜图像中，提取主动脉段模型；

网格优化模块13，用于对所述主动脉段模型进行网格优化，并从网格优化后的主动脉段模型中剪切得到初始瓣膜模型，其中，所述初始瓣膜模型包括3片切分开的瓣叶模型；

动脉血液模型构建模块14，用于在所述主动脉段模型上瓣叶位置的下方构建动脉，得到动脉血液模型；

模型优化模块15，用于将所述初始瓣膜模型和所述动脉血液模型分别进行模型优化，得到实体瓣膜模型和实体动脉壁模型；

分析模块16，用于对所述实体瓣膜模型和实体主动脉模型进行有限元分析，得到人工心脏瓣膜设计结果。

为了提高主动脉段模型的提取精度，在第一种实施情况下，所述提取模块12还用于，获取用户选定的主动脉段的参考像素点，并提取所述参考像素点的像素值作为参考像素值；

根据心脏瓣膜图像中像素点与像素值的分布关系，确定小于或等于所述参考像素值、且与所述参考像素值最近的像素点数目尖峰像素值作为像素阈值；

提取像素值大于或等于所述像素阈值的所有像素点，作为候选像素点；

根据所述候选像素点，得到主动脉段模型。

在第二种实施情况下，所述提取模块12还用于，

根据参考像素点，建立像素点集；

以参考像素点为中心确定参考范围，当所述参考范围内存在至少一个非像素点集内的候选像素点时，将所述候选像素点增加到所述像素点集；

将位于所述参考范围边缘的候选像素点作为新的参考像素点；

当所述参考范围内的候选像素点均属于所述像素点集时，根据所述像素点集，生成主动脉段模型。

在第三种实施情况下，所述提取模块12还用于，

根据所述像素点集，确定主动脉段边缘轮廓；

根据属于所述主动脉段边缘轮廓内的所有像素点，构建主动脉段模型。

在第四种实施情况下，所述提取模块12还用于，

当所述主动脉段模型包括多张依次排序的断面图时，根据所述断面面积的变化趋势，确定第一断面图和第二断面图；其中，所述多张断面图包括所述主动脉段模型的局部断面，所述第一断面图为断面面积从小到大变化拐点对应的断面图，所述第二断面图为断面面积从大到小变化拐点对应的断面图；

将第一断面图和第二断面图之间的断面图，组成所述主动脉段模型。

为了提高网格质量，在本发明实施例中，所述网格优化模块13用于，

根据平滑系数、第一迭代次数和补偿值，进行第一光滑处理；

根据反转阀值角度、第一几何错误值和第二迭代次数，进行第一三角优化；

根据第一质量阀值、第二几何错误值、第一三角形最大边长和第三迭代次数，进行第二光滑处理；

根据第二质量阀值、最大误差、第四迭代次数和第二三角形最大边长，进行第二三角优化；

根据第二三角优化后的表面网格，生成体积网格。

为了对模型进行优化，提高模型质量，所述模型优化模块15用于，对所述初始瓣膜模型和所述动脉血液模型分别依次进行点云优化、多边形优化和曲面优化。

可选地，所述模型优化模块15还用于，对所述初始瓣膜模型和所述动脉血液模型分别进行坏点去除，其中，所述坏点包括杂点、冗余点和噪声点的一种或多种；

通过统一采样，增加优化点，得到优化后的初始瓣膜模型和动脉血液模型；

将优化后的初始瓣膜模型和动脉血液模型上的点云使用三角面片连接，进行曲面封装。

参见图28，为本发明实施例提供的一种人工心脏瓣膜性能优化系统的结构示意图，如图28所示，该系统包括扫描设备21和服务器22，其中：

所述扫描设备21，用于采集人体的心脏瓣膜图像；

所述服务器22，用于获取扫描设备采集得到的心脏瓣膜图像；从所述心脏瓣膜图像中，提取主动脉段模型；对所述主动脉段模型进行网格优化，并从网格优化后的主动脉段模型中剪切得到初始瓣膜模型，其中，所述初始瓣膜模型包括3片切分开的瓣叶模型；在所述主动脉段模型上瓣叶位置的下方构建动脉，得到动脉血液模型；将所述初始瓣膜模型和所述动脉血液模型分别进行模型优化，得到实体瓣膜模型和实体动脉壁模型；对所述实体瓣膜模型和实体主动脉模型进行有限元分析，得到人工心脏瓣膜设计结果。

而且，需要说明的是，本发明实施例中的服务器22可以用于执行上述人工心脏瓣膜性能优化方法实施例中的方法，具体描述可参见上述方法实施例的描述，在此不再赘述。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

可以理解的是，本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。