一种血流储备分数评估方法及装置、存储介质与流程

本发明涉及生物医学工程技术领域，尤其涉及一种血流储备分数评估方法及装置、存储介质。

背景技术：

冠状动脉疾病(coronaryarterialdisease，cad)是最常见的一类心血管疾病，冠状动脉供血不足会引起心肌缺血、心绞痛甚至心肌梗塞。近年来，通常采用冠状动脉血流储备分数(fractionalflowreserve，ffr)对cad进行无创评估。

现有技术是基于患者冠状动脉电子计算机断层扫描造影(computedtomographyangiography，cta)图像，重构冠状动脉的三维几何模型，构建相对真实且个性化的生理流动边界条件，利用数值模拟的方法进行冠状动脉的三维(3d)血流动力学仿真，最后根据计算得到的狭窄病灶远端和近端的压力比值获得ffr。

然而，数值模拟的方法进行冠状动脉的三维(3d)血流动力学仿真时，需要对冠状动脉进行网格划分，该网格划分的步骤比较繁琐，网格数量较大，降低了终端计算ffr的速度。

技术实现要素：

为解决上述技术问题，本发明实施例期望提供一种血流储备分数评估方法及装置、存储介质，能够提高终端计算ffr的速度。

本发明的技术方案是这样实现的：

本申请实施例提供一种血流储备分数评估方法，所述方法包括：

当获取到目标冠状动脉的目标造影图像数据时，根据所述目标造影图像数据，确定所述目标冠状动脉的目标动脉参数信息；

将所述目标动脉参数信息与血流储备评估模型进行匹配，得到与所述目标动脉参数信息对应的第一动脉参数信息，所述血流储备评估模型中存储了多个样本冠状动脉对应的多组样本动脉参数信息，所述多组样本动脉参数信息包括所述第一动脉参数信息；

根据所述第一动脉参数信息，确定出所述目标动脉参数信息对应的血流储备分数。

在上述方案中，所述将所述目标动脉参数信息与血流储备评估模型进行匹配，得到与所述目标动脉参数信息对应的第一动脉参数信息之前，所述方法还包括：

获取所述多组样本动脉参数信息和所述多组样本动脉参数信息对应的多个样本血流储备分数；

根据所述多组样本动脉参数信息和所述多个样本血流储备分数，得到所述血流储备评估模型。

在上述方案中，所述根据所述多组样本动脉参数信息和所述多个样本血流储备分数，得到所述血流储备评估模型，包括：

建立所述多组样本动脉参数信息与所述多个样本血流储备分数之间的多个第一函数关系；

将所述多个第一函数关系进行融合，得到目标函数关系；

根据所述多组样本动脉参数信息，确定出所述目标函数中的目标系数；

将所述目标系数代入所述目标函数关系中，得到所述血流储备评估模型。

在上述方案中，所述根据所述多组样本动脉参数信息，确定出所述目标函数中的目标系数，包括：

利用所述多组样本动脉参数信息，对初始系数进行参数估计，得到第一系数；

当所述第一系数与所述初始系数之间的误差值满足预设阈值时，将所述第一系数确定为所述目标系数；

当所述第一系数与所述初始系数之间的误差值不满足所述预设阈值时，利用所述多组样本动脉参数信息，继续对所述第一系数进行参数估计，得到第二系数；

直至所述第二系数与第三系数之间的误差值满足预设阈值时，将所述第二系数确定为所述目标系数，所述第三系数为所述第二系数之前确定出的系数。

在上述方案中，所述根据所述目标造影图像数据，确定所述目标冠状动脉的目标动脉参数信息，包括：

根据所述目标造影图像数据，建立三维冠状动脉模型；

从所述三维冠状动脉模型中，确定出所述冠状动脉的中心线信息，所述中心线信息为组成中心线的点的数据信息；

根据所述中心线信息和所述目标造影图像数据，确定出所述目标动脉参数信息。

在上述方案中，所述根据所述中心线信息和所述目标造影图像数据，确定出所述目标动脉参数信息，包括：

利用所述中心线信息和所述目标造影图像数据，得到初始目标动脉参数信息；

以样本参数范围为调整基准，对所述初始目标动脉参数信息进行参数调整，确定出所述目标动脉参数信息，所述样本参数范围为根据所述多组样本动脉参数信息确定出来的参数调整范围。

在上述方案中，所述目标动脉参数信息至少包括：目标组织体积、病变末端阻力、最狭窄处直径、狭窄率、病变分支数目和病变长度。

本申请实施例提供了一种血流储备分数评估装置，所述装置包括：

确定单元，用于当获取到目标冠状动脉的目标造影图像数据时，根据所述目标造影图像数据，确定所述目标冠状动脉的目标动脉参数信息；根据第一动脉参数信息，确定出所述目标动脉参数信息对应的血流储备分数；

匹配单元，用于将所述目标动脉参数信息与血流储备评估模型进行匹配，得到与所述目标动脉参数信息对应的所述第一动脉参数信息，所述血流储备评估模型中存储了多个样本冠状动脉对应的多组样本动脉参数信息，所述多组样本动脉参数信息包括所述第一动脉参数信息。

在上述方案中，所述装置还包括获取单元；

所述获取单元，还用于获取所述多组样本动脉参数信息和所述多组样本动脉参数信息对应的多个样本血流储备分数；

所述确定单元，还用于根据所述多组样本动脉参数信息和所述多个样本血流储备分数，得到所述血流储备评估模型。

在上述方案中，所述确定单元，具体用于建立所述多组样本动脉参数信息与所述多个样本血流储备分数之间的多个第一函数关系；将所述多个第一函数关系进行融合，得到目标函数关系；根据所述多组样本动脉参数信息，确定出所述目标函数中的目标系数；将所述目标系数代入所述目标函数关系中，得到所述血流储备评估模型。

在上述方案中，所述确定单元，具体用于利用所述多组样本动脉参数信息，对初始系数进行参数估计，得到第一系数；当所述第一系数与所述初始系数之间的误差值满足预设阈值时，将所述第一系数确定为所述目标系数；当所述第一系数与所述初始系数之间的误差值不满足所述预设阈值时，利用所述多组样本动脉参数信息，继续对所述第一系数进行参数估计，得到第二系数；直至所述第二系数与第三系数之间的误差值满足预设阈值时，将所述第二系数确定为所述目标系数，所述第三系数为所述第二系数之前确定出的系数。

在上述方案中，所述确定单元，具体用于根据所述目标造影图像数据，建立三维冠状动脉模型；从所述三维冠状动脉模型中，确定出所述冠状动脉的中心线信息，所述中心线信息为组成中心线的点的数据信息；根据所述中心线信息和所述目标造影图像数据，确定出所述目标动脉参数信息。

在上述方案中，所述确定单元，具体用于利用所述中心线信息和所述目标造影图像数据，得到初始目标动脉参数信息；以样本参数范围为调整基准，对所述初始目标动脉参数信息进行参数调整，确定出所述目标动脉参数信息，所述样本参数范围为根据所述多组样本动脉参数信息确定出来的参数调整范围。

本申请实施例提供一种存储介质，其上存储有计算机程序，应用于血流储备分数评估装置，该计算机程序被处理器执行时实现如上述任一项所述的方法。

本发明实施例提供了一种血流储备分数评估方法及装置、存储介质，血流储备分数的计算方法包括：当获取到目标冠状动脉的目标造影图像数据时，根据目标造影图像数据，确定目标冠状动脉的目标动脉参数信息；将目标动脉参数信息与血流储备评估模型进行匹配，得到与目标动脉参数信息对应的第一动脉参数信息，血流储备评估模型中存储了多个样本冠状动脉对应的多组样本动脉参数信息，多组样本动脉参数信息包括第一动脉参数信息；根据第一动脉参数信息，确定出目标动脉参数信息对应的血流储备分数。采用上述方法实现方案，通过在血流储备分数估计装置中，建立血流储备评估模型，在血流储备评估模型存储了多组样本动脉参数信息，当血流储备分数估计装置获取到目标冠状动脉的目标动脉参数信息时，可直接将目标动脉参数信息与血流储备评估模型中的多组样本动脉参数信息进行匹配，由于血流储备分数估计装置根据多组样本动脉参数信息和血流储备评估模型，确定出多组样本动脉参数信息对应的标准血流储备分数，当从多组样本动脉参数信息中确定出目标动脉参数信息对应的第一动脉参数信息时，血流储备分数估计装置就可以根据第一动脉参数信息对应的血流储备分数确定出目标冠状动脉的血流储备分数，不需要血流储备分数估计装置再对冠状动脉进行三维血流动力学仿真，减少了血流储备分数评估装置计算目标冠状动脉的血流储备分数的时间，提高了血流储备分数的计算装置计算血流储备分数的速度。

附图说明

图1为本申请实施例提供的一种血流储备分数评估方法流程图一；

图2为本申请实施例提供的一种示例性地目标冠状动脉cta图像；

图3为本申请实施例提供的一种示例性地冠状动脉中心线示意图；

图4为本申请实施例提供的一种血流储备分数评估方法流程图二；

图5为本发明实施例提供的一种血流储备分数评估装置的组成结构示意图。

具体实施方式

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。

目前，临床上经常使用冠状动脉ct造影(cta)和冠状动脉造影(invasivecoronaryangiography，ica)来诊断冠状动脉心脏病。这两种方法都是由造影确认的狭窄推断心肌缺血性病变，然而狭窄和缺血性心脏病以及心肌梗塞之间没有必然联系。如何更好的评估并指导冠心病的治疗成为医学领域的关注焦点。

冠状动脉血流储备分数(fractionalflowreserve，ffr)是如今评价缺血性冠心病的一个金标准。ffr定义为最大充血状态下，存在狭窄病变时血管所能获得的最大血流量，与正常状态下时血管所能获得的最大血流量的比值。临床上通过注射腺苷使得心肌微循环最大程度充血，其阻力小到忽略不计。根据流体力学公式可知，心肌组织的血流量与灌注压呈正比，故可通过狭窄病变下游远端的压力与狭窄上游压力的比值计算得到ffr。现有技术中的ffr是采用压力导丝进行介入测量的，需要注射腺苷使冠状动脉微循环充分扩张，这种方式常伴随着许多不良反应，会引起患者身体不适，这些因素导致现有技术中的ffr在临床上的应用受到了很大程度的限制。因此，ffr的无创评估方法的提出将替代现有技术中的ffr，代表性的ffr无创评估方法有基于血流动力学模拟的冠状动脉ffrct技术和基于机器学习的冠状动脉ffr评估技术。

冠状动脉ffrct是目前发展的比较成熟的技术，这种方式是基于每一个特性的病人的冠状动脉cta图像，重构得到冠状动脉的三维几何模型，并构建相对真实的生理流动边界条件，对冠状动脉进行三维血流动力学仿真，来计算得到ffrct。该方法主要问题在于：(1)构建计算流体动力学(computationalfluiddynamics，cfd)计算所需的网格步骤繁琐，难度较大；(2)由于计算模型复杂和网格数量巨大，计算时间长，不适用于临床快速诊断；(3)该方法对终端性能要求较高，一般需要在工作站或服务器上完成计算任务。

基于机器学习的冠状动脉ffr评估技术，是根据患者血管几何模型，结合患者特定的生理学信息和仿生边界条件，评估冠状动脉ffr。该方法是基于大量的训练样本，和众多的输入参数使机器学习得到冠状动脉的形态特征和大多数流动物理量。因此，在计算患者冠状动脉ffr的时候，需要先确定出详细的患者信息，包扩身体物理参数，冠状动脉形态数据以及生理参数等，由于这些参数的获取方式复杂，增加了临床评估冠状动脉是否缺血的复杂性。

对于上述技术中存在的问题，本申请提出了一种血流储备分数评估方法，具体的该血流储备分数评估方法如实施例一和实施例二所示。

实施例一

本申请实施例提供了一种血流储备分数评估方法，图1为本申请实施例提供的一种血流储备分数评估方法流程图一，如图1所示，血流储备分数评估方法可以包括：

s101、当获取到目标冠状动脉的目标造影图像数据时，根据目标造影图像数据，确定目标冠状动脉的目标动脉参数信息。

本申请实施例提供的一种血流储备分数评估方法适用于血流储备分数评估装置利用血流储备评估模型对目标动脉参数信息进行评估，得到目标动脉参数信息对应的血流储备分数的情况下。

需要说明的是，目标造影图像数据可以为目标冠状动脉cta图像数据，如图2所示，其中，图2中所标识的1区域为主动脉、冠状动脉左右分支的内腔，而该区域之外的区域为心肌和其他器官。

在本申请实施例中，当血流储备分数评估装置得到目标冠状动脉cta图像数据时，即血流储备分数评估装置得到了目标造影图像数据，血流储备分数评估装置就利用该cta图像数据重构目标冠状动脉的目标三维冠状动脉模型，并从该目标三维冠状动脉模型中，确定出目标冠状动脉的目标中心线信息，根据该目标中心线信息，得到目标冠状动脉的目标动脉参数信息。

在本申请实施例中，当血流储备分数评估装置得到目标冠状动脉的目标造影图像数据时，血流储备分数评估装置就可以根据该目标造影图像数据确定出目标冠状动脉的目标动脉参数了。

需要说明的是，目标动脉参数信息可以为目标冠状动脉的最狭窄处直径信息、狭窄率信息、病变分支数目信息、病变分支末端阻力信息、病变长度信息和目标组织体积等信息。

在本申请实施例中，血流储备分数评估装置根据目标造影图像数据，建立三维冠状动脉模型。

在本申请实施例中，当血流储备分数评估装置得到目标冠状动脉的目标造影图像数据时，血流储备分数评估装置就根据该目标造影图像数据，建立三维冠状动脉模型。

在本申请实施例中，当血流储备分数评估装置得到目标冠状动脉的目标造影图像数据时，血流储备分数评估装置就可以根据该目标造影图像数据，建立三维冠状动脉模型了。

需要说明的是，血流储备分数评估装置根据目标造影图像数据，建立三维冠状动脉模型的方式可以为灰度值、连通域或区域生长等方式，还可以为其他方式，具体的可根据实际情况确定，本申请实施例对此不做限定。

需要说明的是，目标造影图像数据的数据格式可以为医学数字成像和通信(digitalimagingandcommunicationsinmedicine，dicom)规定的数据格式，还可以是其他形式的数据格式，具体的目标造影图像数据的数据格式可根据实际情况确定，本申请实施例对此不做限定。

在本申请实施例中，血流储备分数评估装置从三维冠状动脉模型中，确定出冠状动脉的中心线信息，中心线信息为组成中心线的点的数据信息。

在本申请实施例中，当血流储备分数评估装置得到三维冠状动脉模型时，血流储备分数评估装置就可以从三维冠状动脉模型中，确定出冠状动脉的中心线信息了，如图3所示，图3为根据三维冠状动脉模型确定出来的冠状动脉中心线，其中，该冠状动脉中心线是由多个中心点组成的，如图3右上角圆形区域所示，冠状动脉的中心线是由无数个冠状动脉的中心点组成，每一个中心点都包含有中心点信息，由中心点信息共同构成中心线信息，该中心点信息包括中心点的坐标信息，根据中心点的坐标信息可对应确定出该中心点的位置。

需要说明的是，中心线信息为组成中心线的点的数据信息，中心线信息可以为中心点处的坐标信息、中心点处目标冠状动脉的等效面积、中心点处目标冠状动脉的等效直径、中心点处目标冠状动脉的血流方向和中心点处目标冠状动脉的父子节点关系等。

还需要说明的是，中心点处目标冠状动脉的等效面积可以为目标冠状动脉血管的垂直界面所围成的面积，中心点处目标冠状动脉的等效直径可利用等效面积与等效直径之间的关系获得。

还需要说明的是，目标冠状动脉的当前节点在血流反方向上距离当前节点最近的节点，为当前节点的父节点，目标冠状动脉当前节点为该父节点的子节点，其中，目标冠状动脉的入口点处不设置父节点，目标冠状动脉的出口点处不设置子节点，目标冠状动脉的分叉点为分支目标冠状动脉中多个第一子节点的父节点，根据目标冠状动脉的父子节点关系，可以确定出目标冠状动脉的入口和目标冠状动脉的出口。

需要说明的是，血流储备分数评估装置可以利用中心线提取算法从三维冠状动脉模型中提取中心线信息，还可以利用其他方式从三维冠状动脉模型中提取中心线信息，具体的可根据实际情况确定，本申请实施例对此不做限定。

在本申请实施例中，血流储备分数评估装置根据中心线信息和目标造影图像数据，确定出目标动脉参数信息。

在本申请实施例中，当血流储备分数评估装置得到目标造影图像数据之后，血流储备分数评估装置就可以根据中心线信息和目标造影图像数据，确定出目标动脉参数信息了。

在本申请实施例中，当血流储备分数评估装置得到目标冠状动脉的目标造影图像数据时，血流储备分数评估装置还会对目标造影图像数据进行预处理，确定出目标组织的中心位置，并利用该中心位置重构目标组织，从而得到初始目标组织体积。

需要说明的是，目标组织可以为心室心肌，初始目标组织体积可以为心肌体积。

需要说明的是，预处理可以为去骨处理方式和剥离处理方式，即，血流储备分数评估装置对目标冠状动脉的目标造影图像数据进行去骨处理和剥离处理，去除目标造影图像数据中的骨架部分，并剥离出心脏、主动脉和目标冠状动脉结构。其中，去骨处理方式可以通过去骨算法来实现；剥离处理方式可以通过剥离算法来实现，具体的去骨处理方式和剥离处理方式可通过实际情况确定，本申请实施例对此不做限定。

需要说明的是，利用中心位置重构目标组织的方式可以为区域生长算法来实现的方式，还可以为其他算法实现的方式，具体的可根据实际情况确定，本申请实施例对此不做限定。

在本申请实施例中，当血流储备分数评估装置得到初始目标组织体积时，血流储备分数评估装置根据中心线信息和初始目标组织体积，确定出目标动脉参数信息了。

在本申请实施例中，血流储备分数评估装置利用中心线信息和目标造影图像数据，得到初始目标动脉参数信息。

在本申请实施例中，当血流储备分数评估装置得到目标冠状动脉的目标造影图像数据时，血流储备分数评估装置还会对目标造影图像数据进行预处理，确定出目标组织的中心位置，并利用该中心位置重构目标组织，从而得到初始目标组织体积，血流储备分数评估装置就根据该初始目标组织体积确定出目标组织质量，根据该目标组织质量与目标冠状动脉血流量之间的异速生长关系，确定出目标冠状动脉总流量，并根据该冠状动脉总流量和冠状动脉的分布型(左优势型、均衡型、右优势型)来确定出左右目标冠状动脉的血流量。血流储备分数评估装置利用左右目标冠状动脉的血流量和目标冠状动脉任何分支内的血流量与对应分支直径的关系，确定出目标冠状动脉任何分支内的流量。

需要说明的是，目标冠状动脉任何分支内的血流量与对应分支直径的关系可以为目标冠状动脉任何分支内的血流量与对应分支直径的三次方成正比的关系，即泊肃叶定律。

在本申请实施例中，当血流储备分数评估装置确定出目标冠状动脉任何分支内的流量时，血流储备分数评估装置就根据目标冠状动脉入口压力和目标冠状动脉微循环远端压力，得到目标冠状动脉分支末端到目标冠状动脉微循环远端的压力差，根据该压力差、血管阻力计算公式和中心线信息，确定出初始病变末端阻力。

需要说明的是，冠状动脉入口压力可以为主动脉的平均压力，冠状动脉微循环远端压力可以为中心静脉压力。

在本申请实施例中，当血流储备分数评估装置对狭窄目标冠状动脉进行修复后，血流储备分数评估装置就可以利用修复后的目标冠状动脉、狭窄目标冠状动脉和中心线信息，确定出目标冠状动脉的初始最狭窄处直径、初始狭窄率、初始病变长度和初始病变分支数目了。

需要说明的是，初始目标动脉参数信息至少包括：初始目标组织体积、初始病变末端阻力、初始最狭窄处直径、初始狭窄率、初始病变分支数目和初始病变长度。

在本申请实施例中，血流储备分数评估装置以样本参数范围为调整基准，对初始目标动脉参数信息进行调整，确定出目标动脉参数信息，样本参数范围为根据多组样本动脉参数信息确定出来的参数调整范围。

在本申请实施例中，当血流储备分数评估装置得到初始目标动脉参数信息时，血流储备分数评估装置就可以以样本参数范围为调整基准，对初始目标动脉参数信息进行调整，就确定出目标动脉参数信息了。

需要说明的是，样本参数范围可以为根据多组样本动脉参数信息确定出来的参数调整范围，即，确定出该多组样本动脉参数信息的平均值以及该多组样本动脉参数信息的标准差，再利用平均值和标准差确定出的样本参数范围。

还需要说明的是，多组样本动脉参数信息的平均值和标准差可以分为男性多组样本动脉参数信息的平均值和标准差，和女性多组样本动脉参数信息的平均值和标准差，并利用男性多组样本动脉参数信息的平均值和标准差，确定出男性的样本参数范围，利用女性多组样本动脉参数信息的平均值和标准差，确定出女性的样本参数范围；还可以不分男女性别，直接计算多组样本动脉参数信息的平均值和标准差，根据该平均值和标准差确定出样本参数范围，具体的确定出样本参数范围的方式可根据实际情况确定，本申请实施例对此不做限定。

还需要说明的是，可以以多组样本动脉参数信息的平均值为基准，以预设动脉参数信息的标准差为差距范围，确定出初始目标动脉参数信息范围。具体的，差距范围可以为标准差的倍数，如差距范围可以为标准差的1.5倍。

示例性地，当目标动脉参数信息具体为目标组织体积时，分别确定出男性样本组织体积的平均值μmale和标准差σmale，和女性样本组织体积的平均值μfemale和标准差σfemale，则以男性样本组织体积的平均值μmale为基准，以1.5倍的标准差σmale为差距范围，可以确定出男性样本组织体积的范围为μmale±1.5σmale，则以女性目标组织体积的平均值μfemale为基准，以1.5倍的标准差σfemale为差距范围，可以确定出男性目标组织体积的范围为μfemale±1.5σfemale。

示例性地，当初始目标动脉参数信息具体为病变末端阻力时，确定出多个样本病变末端阻力的平均值μ1和标准差σ1，以多个样本病变末端阻力的平均值μ1为基准，以一倍的标准差σ1为差距范围，确定出的病变末端阻力的范围为μ1±σ1。

s102、将目标动脉参数信息与血流储备评估模型进行匹配，得到与目标动脉参数信息对应的第一动脉参数信息，血流储备评估模型中存储了多个样本冠状动脉对应的多组样本动脉参数信息，多组样本动脉参数信息包括第一动脉参数信息。

在本申请实施例中，当血流储备分数评估装置得到目标冠状动脉的目标动脉参数信息时，血流储备分数评估装置就将该目标动脉参数信息与血流储备评估模型进行匹配，从而得到了与目标动脉参数信息对应的第一动脉参数信息。

需要说明的是，血流储备评估模型中存储了多个样本冠状动脉对应的多组样本动脉参数信息，多组样本动脉参数信息包括第一动脉参数信息。

需要说明的是，血流储备分数评估装置中设置有多个样本冠状动脉的多组样本动脉参数信息，当血流储备分数评估装置得到目标冠状动脉的目标动脉参数信息时，血流储备分数评估装置就将该目标动脉参数信息与多组样本动脉参数信息进行匹配，从多组样本动脉参数信息中，确定出与目标动脉参数信息相同的动脉参数信息，得到第一动脉参数信息。

s103、根据第一动脉参数信息，确定出目标动脉参数信息对应的血流储备分数。

在本申请实施例中，当血流储备分数评估装置得到第一动脉参数信息时，血流储备分数评估装置就可以根据第一动脉参数信息，确定出目标动脉参数信息对应的血流储备分数了。

需要说明的是，血流储备分数评估装置中设置有预设动脉参数信息与预设血流储备分数的对应关系，当血流储备分数评估装置得到第一动脉参数信息时，血流储备分数评估装置就可以根据预设动脉参数信息与预设血流储备分数的对应关系，确定出与该第一动脉参数信息对应的血流储备分数，从而确定出目标动脉参数信息对应的血流储备分数。

可以理解的是，由于本申请在血流储备分数估计装置中，建立血流储备评估模型，在血流储备评估模型存储了多组样本动脉参数信息，当血流储备分数估计装置获取到目标冠状动脉的目标动脉参数信息时，可直接将目标动脉参数信息与血流储备评估模型中的多组样本动脉参数信息进行匹配，由于血流储备分数估计装置根据多组样本动脉参数信息和血流储备评估模型，确定出多组样本动脉参数信息对应的标准血流储备分数，当从多组样本动脉参数信息中确定出目标动脉参数信息对应的第一动脉参数信息时，血流储备分数估计装置就可以根据第一动脉参数信息对应的血流储备分数确定出目标冠状动脉的血流储备分数，不需要血流储备分数估计装置再对冠状动脉进行三维血流动力学仿真，减少了血流储备分数评估装置计算目标冠状动脉的血流储备分数的时间，提高了血流储备分数的计算装置计算血流储备分数的速度。

实施例二

本申请实施例又提供了一种血流储备分数评估方法，为步骤102之前，得到血流储备评估模型的过程，具体实施步骤如图4所示，包括：

s201、血流储备分数评估装置获取多组样本动脉参数信息和多组样本动脉参数信息对应的多个样本血流储备分数。

在本申请实施例中，当血流储备分数评估装置在将目标动脉参数信息与血流储备评估模型进行匹配之前，血流储备分数评估装置需要先从多个样本冠状动脉的cta图像中获取多组样本动脉参数信息和多组样本动脉参数信息对应的多个样本血流储备分数。

需要说明的是，一组动脉参数信息对应一个样本血流储备分数，则多组样本动脉参数信息对应多个样本血流储备分数。

还需要说明的是，多个样本血流储备分数可以为采用压力导丝进行介入测量，得到的血流储备分数。

需要说明的是，多组样本动脉参数信息至少包括：多个样本组织体积、多个病变末端阻力、多个最狭窄处直径、多个狭窄率、多个病变分支数目和多个病变长度。

在本申请实施例中，血流储备分数评估装置根据多组造影图像数据，建立多个三维冠状动脉模型，其中，多组造影图像数据对应多个三维冠状动脉模型。

需要说明的是，血流储备分数评估装置根据多组造影图像数据，建立多个三维冠状动脉模型的方式可以为灰度值、连通域或区域生长等方式，还可以为其他方式，具体的可根据实际情况确定，本申请实施例对此不做限定。

示例性地，多组造影图像数据的数据格式可以为dicom形式的数据格式，还可以是其他形式的数据格式，具体的多组造影图像数据的数据格式可根据实际情况确定，本申请实施例对此不做限定。

在本申请实施例中，血流储备分数评估装置根据多组造影图像数据，确定出多个样本组织体积。

在本申请实施例中，当血流储备分数评估装置得到多个样本冠状动脉的多个样本造影图像数据时，血流储备分数评估装置先对多个样本造影图像数据进行预处理，确定出多个样本组织的中心位置，并利用该中心位置重构多个样本组织，从而得到多个样本组织体积。

需要说明的是，多个样本组织体积可以为多个样本左心室心肌的体积，即多个样本心肌体积。

在本申请实施例中，血流储备分数评估装置从多个三维冠状动脉模型中，确定出多个样本冠状动脉的多个样本中心线信息，其中，多个样本中心线信息为组成多个样本中心线的点的数据信息。

需要说明的是，多个样本中心线信息为组成多个样本中心线的点的数据信息，多个样本中心线信息可以为多个样本中心点处的坐标信息、多个样本中心点处多个样本冠状动脉的等效面积、多个样本中心点处多个样本冠状动脉的等效直径、多个样本中心点处多个样本冠状动脉的血流方向和多个样本中心点处多个样本冠状动脉的父子节点关系等。

需要说明的是，血流储备分数评估装置可以利用中心线提取算法从多个三维冠状动脉模型中提取多个中心线信息，还可以利用其他方式从多个三维冠状动脉模型中提取多个中心线信息，具体的可根据实际情况确定，本申请实施例对此不做限定。

在本申请实施例中，血流储备分数评估装置根据多个样本中心线信息和多个样本组织体积，确定出多组第一样本动脉参数信息。

需要说明的是，多组第一样本动脉参数信息至少包括：多个样本病变末端阻力、多个样本最狭窄处直径、多个样本狭窄率、多个样本病变分支数目和多个样本病变长度。

在本申请实施例中，血流储备分数评估装置根据多个样本中心线信息和多个样本组织体积，确定出多组第二样本动脉参数信息。

在本申请实施例中，当血流储备分数评估装置得到多个样本组织体积之后，血流储备分数评估装置就根据该多个样本组织体积确定出多个样本组织质量，根据该多个样本组织质量与多个样本冠状动脉血流量之间的异速生长关系，确定出多个样本冠状动脉总流量，并根据该多个样本冠状动脉总流量和多个样本冠状动脉的分布型(左优势型、均衡型、右优势型)来确定出多个样本左右样本冠状动脉的血流量。血流储备分数评估装置利用多个样本左右样本冠状动脉的血流量和多个样本冠状动脉任何分支内的血流量与对应分支直径的关系，确定出多个样本冠状动脉任何分支内的流量。

在本申请实施例中，当血流储备分数评估装置确定出多个样本冠状动脉任何分支内的流量时，血流储备分数评估装置就根据多个样本冠状动脉入口压力和多个样本冠状动脉微循环远端压力，得到多个样本冠状动脉分支末端到多个样本冠状动脉微循环远端的压力差，根据该压力差、血管阻力计算公式和中心线信息，确定出多个样本初始病变末端阻力。

在本申请实施例中，当血流储备分数评估装置对多个样本狭窄冠状动脉进行修复后，血流储备分数评估装置就可以利用修复后的多个样本冠状动脉、多个狭窄样本冠状动脉和多个样本中心线信息，确定出多个样本冠状动脉的多个样本初始最狭窄处直径、多个样本初始狭窄率、多个样本初始病变长度和多个样本初始病变分支数目了。

需要说明的是，多组第二样本动脉参数信息至少包括：多个样本初始最狭窄处直径、多个样本初始狭窄率、多个样本初始病变长度、多个样本初始病变分值末端阻力和多个样本初始病变分支数目。

在本申请实施例中，血流储备分数评估装置以样本参数范围为基准，将多组第二样本动脉参数信息确定为满足样本参数范围的参数信息，得到多组第一样本动脉参数信息。

在本申请实施例中，当血流储备分数评估装置得到多组第二样本动脉参数信息时，血流储备分数评估装置就以样本参数范围为基准，将多组第二样本动脉参数信息确定为满足样本参数范围的参数信息，得到多组第一样本动脉参数信息了。

需要说明的是，多组第一样本动脉参数信息至少包括：多个样本组织体积、多个样本最狭窄处直径、多个样本狭窄率、多个样本病变长度、多个样本病变分值末端阻力和多个样本病变分支数目。

在本申请实施例中，血流储备分数评估装置将多组第一样本动脉参数信息和多个样本组织体积，作为多组样本动脉参数信息。

需要说明的是，当多个样本冠状动脉中每个样本冠状动脉都只有一个狭窄时，多组样本动脉参数信息中的多个样本病变长度可以为该狭窄处的长度，当多个样本冠状动脉中每个样本冠状动脉都有多个狭窄时，多组样本动脉参数信息中的多个样本病变长度可以为该多个狭窄处的长度之和，当多个样本冠状动脉都为弥漫性病变时，多组样本动脉参数信息中的多个样本病变长度为该弥漫性病变的长度。

需要说明的是，多组样本动脉参数信息中的多个狭窄率可以为多个样本冠状动脉的最小狭窄率，还可以为多个样本冠状动脉的等效狭窄率，具体的可根据实际情况确定，本申请实施例对此不做限定。

需要说明的是，当多个狭窄率为多个样本冠状动脉的等效狭窄率时，若血流储备分数评估装置确定出来的多个样本冠状动脉中狭窄位置都只有一个时，则该狭窄率可以为该狭窄位置处的狭窄率，当多个样本冠状动脉中狭窄位置都不止一个时，则确定出多个样本冠状动脉中所有狭窄位置处的狭窄率，并从中挑选出多个样本冠状动脉中的多个最大狭窄率，利用该多个最大狭窄率与多个样本冠状动脉中的多个狭窄率之间进行融合，从而确定出过个样本冠状动脉的等效狭窄率，其中，具体的融合方式可根据实际情况确定，本申请实施例对此不做限定。

示例性地，当s1,s2,…,sn表征单个样本冠状动脉中的狭窄率时，其中n表示单个样本冠状动脉的狭窄数量，则可以通过公式(1)确定出最大狭窄率。

smax＝max(s1,s2,…,sn)(1)

根据最大狭窄率smax和单个样本冠状动脉其他狭窄率(s1,s2,…,sn)的融合方式，确定出单个样本冠状动脉的等效狭窄率s'。

s202、血流储备分数评估装置根据多组样本动脉参数信息和多个样本血流储备分数，得到血流储备评估模型。

在本申请实施例中，当血流储备分数评估装置得到多个样本冠状动脉的多组样本动脉参数信息和多组样本动脉参数信息对应的多个样本血流储备分数时，血流储备分数评估装置就可以根据该多组样本动脉参数信息和多个样本血流储备分数，得到血流储备评估模型了。

在本申请实施例中，血流储备分数评估装置建立多组样本动脉参数信息与多个样本血流储备分数之间的多个第一函数关系。

在本申请实施例中，当血流储备分数评估装置得到多个样本冠状动脉的多组样本动脉参数信息和多组样本动脉参数信息对应的多个样本血流储备分数时，血流储备装置就可以建立该多组样本动脉参数信息与多个样本血流储备分数之间的多个第一函数关系了。

需要说明的是，多组样本动脉参数信息与多个样本血流储备分数之间的多个第一函数关系，可以是指数关系、对数关系、次方关系等，具体的可根据实际情况确定，本申请实施例对此不做限定。

在本申请实施例中，血流储备分数评估装置将多个第一函数关系进行融合，得到目标函数关系。

在本申请实施例中，当血流储备分数评估装置得到多个第一函数关系时，血流储备分数评估装置就将该多个第一函数关系进行融合，从而得到了目标函数关系。

需要说明的是，血流储备分数评估装置将该多个第一函数关系进行融合的方式可以为加法融合，可以为乘法融合，具体的融合方式可根据实际情况而定，本申请实施例对此不做限定。

示例性地，融合方式为加法融合，多个第一函数关系可以分别为公式(2)-(6)所示：

ffr＝α7ln(x2)+c2(3)

ffr＝α8ln(x3)+c3(4)

其中，ffr可以为血流储备分数，x1...x6为动脉参数信息，α1,α2,...α15,c1,c2,...c6为多个第一函数关系的系数和常数项。则利用加法融合方式对上述公式(2)-(7)进行融合，得到的目标函数关系可以为公式(8)所示：

其中，c为多个常数项c1,c2,...c6的和。

在本申请实施例中，血流储备分数评估装置根据多组样本动脉参数信息，确定出目标函数中的目标系数。

在本申请实施例中，当血流储备分数评估装置得到目标函数关系时，血流储备分数评估装置就根据多组样本动脉参数信息，确定出目标函数的目标系数。

在本申请实施例中，血流储备分数评估装置利用多组样本动脉参数信息，对初始系数进行参数估计，得到第一系数。

在本申请实施例中，当血流储备分数评估装置得到目标函数关系时，血流储备分数评估装置就利用该多组样本动脉参数信息对初始系数进行参数估计，得到第一系数了。

需要说明的是，初始系数可为血流储备分数评估装置预先设置设的系数。

在本申请实施例中，血流储备分数评估装置可以利用最小二乘法回归估计系数来确定出第一系数，还可以利用其它方法来确定出第一系数，具体确定出第一系数的方法可根据实际情况确定，本申请实施例对此不做限定。

示例性地，血流储备分数评估装置可利用公式(9)来确定出目标函数中的目标系数，其中，ε为表征目标函数的误差项。

ffr＝ffrreg(x1,x2,…,xi；α1,α2,...,αj)+ε(9)

当本申请采用最小二乘法回归估计系数来确定出第一系数时，用α14替代常数项c，可以将目标系数α1,α2,...α13,c作为最小二乘估计，则α1,α2,...α13,c应该使残差平方和最小，如公式(10)所示。

利用高斯-牛顿迭代算法来求解公式(10)，从而得到第一系数。

在本申请实施例中，当第一系数与初始系数之间的误差值满足预设阈值时，血流储备分数评估装置将第一系数确定为目标系数。

在本申请实施例中，当血流储备分数评估装置判断出第一系数与初始系数之间的误差值满足预设阈值时，血流储备分数评估装置就将第一系数确定为目标系数。

需要说明的是，第一系数可以为多个系数，并且第一系数中的系数数量与初始系数中的系数数量相同。

需要说明的是，第一系数与初始系数之间的误差值满足预设阈值，可以为第一系数与初始系数之间的每一个系数的误差都满足预设阈值，其中，误差都满足预设阈值可以为第一系数与初始系数之间的每一个系数的误差都小于预设阈值。

示例性地，当初始系数与第一系数的数量都为5个时，其中，初始系数为(12.583697，13.436985，1.243679，8.535621，5.488569)，第一系数为(12.5836971，13.4369849，1.2436786，8.5356213，5.4885696)，预设阈值为1e-6时，则第一系数与初始系数之间的每一个系数的误差为(1e-7，1e-7，4e-7，3e-7，6e-7)，第一系数与初始系数之间的每一个系数的误差都小于预设阈值1e-6，即，第一系数与初始系数之间的每一个系数的误差都满足预设阈值，则，血流储备分数评估装置将第一系数为(12.5836971，13.4369849，1.2436786，8.5356213，5.4885696)确定为目标系数。

在本申请实施例中，当第一系数与初始系数之间的误差值不满足预设阈值时，血流储备分数评估装置利用多组样本动脉参数信息，继续对第一系数进行参数估计，得到第二系数。

在本申请实施例中，当血流储备分数评估装置判断出第一系数与初始系数之间的误差值不满足预设阈值时，血流储备分数评估装置利用多组样本动脉参数信息，继续对第一系数进行参数估计，得到第二系数。

需要说明的是，血流储备分数评估装置可以利用最小二乘法回归估计系数来对第一系数继续进行参数估计，得到第二系数，还可以利用其它方法来对第一系数进行参数估计，得到第二系数，具体的对第一系数进行参数估计的方式可根据实际情况确定，本申请实施例对此不做限定。

在本申请实施例中，直至第二系数与第三系数之间的误差值满足预设阈值时，血流储备分数评估装置将第二系数确定为目标系数，第三系数为第二系数之前确定出的系数。

在本申请实施例中，当血流储备分数评估装置判断出第二系数与第三系数之间的误差值满足预设阈值时，血流储备分数评估装置就将第二系数确定为目标系数。

需要说明的是，第三系数为血流储备分数评估装置得到第二系数之前确定出的系数。

在本申请实施例中，血流储备分数评估装置将目标系数代入目标函数关系中，得到血流储备评估模型。

在本申请实施例中，当血流储备分数评估装置得到目标系数时，血流储备分数评估装置就可以将该目标系数代入目标函数关系中，从而得到血流储备评估模型。

需要说明的是，血流储备评估模型可以为一个函数方程，该函数方程中的自变量可以为目标动脉参数信息，该函数方程中的系数为目标系数，该函数方程中的因变量可以为目标动脉参数信息对应的血流储备分数。

需要说明的是，当血流储备分数评估装置得到血流储备评估模型时，血流储备分数评估装置可以通过目标系数确定出变量系数，通过变量系数和初始系数的参数估计次数，确定出调整系数，当变量系数满足调整系数时，可确定该血流储备评估模型的拟合优度较高，即，该血流储备评估模型为评估血流储备分数评估方法的一个金标准。血流储备分数评估装置还可以直接根据变量系数确定出该血流储备评估模型的拟合优度，当变量系数的值越接近1，则确定该血流储备评估模型的拟合优度较高，当变量系数的值越接近0，则确定该血流储备评估模型的拟合优度较低。具体的判断血流储备评估模型的拟合优度的方式可根据实际情况确定，本申请实施例对此不做限定。

示例性地，血流储备评估模型的函数方程如方程(11)所示：

在方程(11)中，ffr为目标动脉参数信息对应的血流储备分数，即该函数方程的因变量，α1.....α14,c为该函数方程的目标系数，x1...x6为6个动脉参数信息，即，该函数方程的自变量，具体的，x1可以为目标冠状动脉的心肌体积；x2可以为目标冠状动脉的病变分支数目；x3可以为目标冠状动脉的最狭窄处直径；x4可以为目标冠状动脉的狭窄率；x5可以为目标冠状动脉的病变分支末端阻力；x6可以为目标冠状动脉的病变长度。

可以理解的是，通过利用多个样本冠状动脉的多组样本动脉参数信息和多组样本动脉参数信息对应的多个样本血流储备分数，建立血流储备评估模型，在血流储备评估模型存储了多组样本动脉参数信息，当血流储备分数估计装置获取到目标冠状动脉的目标动脉参数信息时，可直接将目标动脉参数信息与血流储备评估模型中的多组样本动脉参数信息进行匹配，由于血流储备分数估计装置根据多组样本动脉参数信息和血流储备评估模型，确定出多组样本动脉参数信息对应的标准血流储备分数，当从多组样本动脉参数信息中确定出目标动脉参数信息对应的第一动脉参数信息时，血流储备分数估计装置就可以根据第一动脉参数信息对应的血流储备分数确定出目标冠状动脉的血流储备分数，不需要血流储备分数估计装置再对冠状动脉进行三维血流动力学仿真，减少了血流储备分数评估装置计算目标冠状动脉的血流储备分数的时间，提高了血流储备分数的计算装置计算血流储备分数的速度。

实施例三

本申请实施例提供了一种血流储备分数估计装置1，图5为本申请实施例提供的一种血流储备分数估计装置的组成结构示意图一，该血流储备分数估计装置1可以包括：

确定单元11，用于当获取到目标冠状动脉的目标造影图像数据时，根据所述目标造影图像数据，确定所述目标冠状动脉的目标动脉参数信息；根据第一动脉参数信息，确定出所述目标动脉参数信息对应的血流储备分数；

匹配单元12，用于将所述目标动脉参数信息与血流储备评估模型进行匹配，得到与所述目标动脉参数信息对应的所述第一动脉参数信息，所述血流储备评估模型中存储了多个样本冠状动脉对应的多组样本动脉参数信息，所述多组样本动脉参数信息包括所述第一动脉参数信息。

在本申请的一些实施例中，所述装置还包括获取单元13；

所述获取单元13，还用于获取所述多组样本动脉参数信息和所述多组样本动脉参数信息对应的多个样本血流储备分数；

所述确定单元11，还用于根据所述多组样本动脉参数信息和所述多个样本血流储备分数，得到所述血流储备评估模型。

在本申请的一些实施例中，所述确定单元11，具体用于建立所述多组样本动脉参数信息与所述多个样本血流储备分数之间的多个第一函数关系；将所述多个第一函数关系进行融合，得到目标函数关系；根据所述多组样本动脉参数信息，确定出所述目标函数中的目标系数；将所述目标系数代入所述目标函数关系中，得到所述血流储备评估模型。

在本申请的一些实施例中，所述确定单元11，具体用于利用所述多组样本动脉参数信息，对初始系数进行参数估计，得到第一系数；当所述第一系数与所述初始系数之间的误差值满足预设阈值时，将所述第一系数确定为所述目标系数；当所述第一系数与所述初始系数之间的误差值不满足所述预设阈值时，利用所述多组样本动脉参数信息，继续对所述第一系数进行参数估计，得到第二系数；直至所述第二系数与第三系数之间的误差值满足预设阈值时，将所述第二系数确定为所述目标系数，所述第三系数为所述第二系数之前确定出的系数。

在本申请的一些实施例中，所述确定单元11，具体用于根据所述目标造影图像数据，建立三维冠状动脉模型；从所述三维冠状动脉模型中，确定出所述冠状动脉的中心线信息，所述中心线信息为组成中心线的点的数据信息；根据所述中心线信息和所述目标造影图像数据，确定出所述目标动脉参数信息。

在本申请的一些实施例中，所述确定单元11，具体用于利用所述中心线信息和所述目标造影图像数据，得到初始目标动脉参数信息；以样本参数范围为调整基准，对所述初始目标动脉参数信息进行参数调整，确定出所述目标动脉参数信息，所述样本参数范围为根据所述多组样本动脉参数信息确定出来的参数调整范围。

本申请实施例提供了一种存储介质，其上存储有计算机程序，应用于血流储备分数评估装置，该计算机程序被处理器执行时实现如上述任一项所述的方法。

可以理解的是，由于本申请在血流储备分数估计装置中，建立血流储备评估模型，在血流储备评估模型存储了多组样本动脉参数信息，当血流储备分数估计装置获取到目标冠状动脉的目标动脉参数信息时，可直接将目标动脉参数信息与血流储备评估模型中的多组样本动脉参数信息进行匹配，由于血流储备分数估计装置根据多组样本动脉参数信息和血流储备评估模型，确定出多组样本动脉参数信息对应的标准血流储备分数，当从多组样本动脉参数信息中确定出目标动脉参数信息对应的第一动脉参数信息时，血流储备分数估计装置就可以根据第一动脉参数信息对应的血流储备分数确定出目标冠状动脉的血流储备分数，不需要血流储备分数估计装置再对冠状动脉进行三维血流动力学仿真，减少了血流储备分数评估装置计算目标冠状动脉的血流储备分数的时间，提高了血流储备分数的计算装置计算血流储备分数的速度。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。