一种脑血管血流动力学特征定量分析方法

本发明属于医学影像，具体涉及一种脑血管血流形态特征定量分析方法。

背景技术：

1、众多疾病的产生与发展往往伴随着组织器官内血管的异常和病变。随着医学影像技术的飞速发展，利用各类成像方法无创地观察组织血管，分析和研究血管的功能变化情况，在临床中发挥重要作用。

2、心脑血管疾病、肝硬化、各色肿瘤等多种疾病往往伴随血管特征的变化。其中，血流动力学变异是早期预测疾病发生、发展的重要特征之一。血流动力学的主要观测变量是血液流量与压力分布的情况，由于个体之间血管结构的差异，每个个体的血流模式都不尽相同。个体化的血流动力学模拟能够为疾病诊疗提供更精准的依据。长期以来，血管的动力学定量通过有创的压力导丝测量血管内血流压力，这种方法虽然能够提供精确的血流压力数据，但也存在诸多不足。该种有创测量的方式涉及直接穿刺血管，可能增加患者感染、出血的风险，且操作复杂，需要专业医疗人员执行，不适合大规模筛查或长期监控。随着成像技术的不断发展，采用x射线，ct，mr等成像技术，能够实现无创的获取组织血管影像，进一步可利用算法进行仿真实现血流动力学特征分析。

3、目标基于医学影像的血流动力学特征分析方法，往往需要精准的血管分割作为仿真的边界条件，且对仿真操作技术要求较高，加重了临床数据分析的负担，进而影响其大规模临床应用。因此，简化血流动力学仿真流程，提供一种简易的血流动力学特征提取方法具有十分重要的实用价值。

4、本发明利用ct、mr等影像，自动提取脑血管的血流动力学特征，包括各个血管分支的流量、流速和压力特征等。利用这些血流动力学定量特征可用于识别、评估脑血管疾病，如脑卒中、脑动脉瘤、脑动脉狭窄等。

技术实现思路

1、针对现有技术存在的不足，本发明旨在提供一种自动脑血管血流动力学特征定量分析方法，为临床血管疾病评估提供更丰富的定量信息，并提高分析可靠性。

2、本发明提供自动脑血管血流动力学特征定量分析方法，适用于不同采集方式获取的血管图像，能够自动计算各个血管分支的流量、流速、压力等特征，可便于临床分析与诊治。

3、本发明提供的脑血管血流动力学特征定量分析方法，具体步骤如下：

4、步骤s1，从不同的采集方式中，获取组织影像的血管结构v；

5、步骤s2，利用血管形态分析算法(mri-based investigation of associationbetween cere brovascular structural alteration and white matterhyperintensity induced by high blood pr essure.journal of magnetic resonanceimaging.2021)，计算出血管结构v中各个血管分支的长度及半径，构建各个血管分支两端点之间连接关系的邻接矩阵，记为anode，并构建各个血管分支之间连接关系的邻接矩阵，记为abranch；

6、步骤s3，标记血管结构的所有入口分支，记为i；所述入口分支是指血流在生理上流入血管结构v时最先经过的若干血管分支；

7、步骤s4，重构邻接矩阵abranch；

8、步骤s5，依照入口分支i和邻接矩阵abranch，构建树状邻接矩阵t，并将血管分支划分为入口分支，即i，中间分支，记为m，以及出口分支记，为o；

9、步骤s6，根据血管分支的长度、半径，构建血管分支血流动力学控制方程组e；

10、步骤s7，为出口分支o设置输出边界条件bo；

11、步骤s8，为入口分支i设置输入边界条件bi，具体为血压值；为中间分支m设置分叉条件bb，具体为血流量和压力平衡值；

12、步骤s9，根据方程组e，边界条件bo、bi、bb，解出各血管分支的流量、流速及压强特征。

13、本发明步骤s3中，所述标记血管结构的所有入口分支，具体包括如下子步骤：

14、步骤s31，根据邻近矩阵anode挑选出仅有一个邻接点的血管分支作为候选入口分支ic1；

15、步骤s31，评估ic1中所有血管分支距离心脏的距离，筛选出距离心脏最近的前10％血管分支，记为ic2；

16、步骤s32，将ic2中所有血管分支依照半径从大到小排序，筛选出半径最大的前10％血管分支，记为ic3；

17、步骤s33，视觉评估ic3，保留符合生理上流入血管结构v时最先经过的血管分支，即为i。

18、本发明步骤s4中，所述重构邻接矩阵abranch，具体包括如下子步骤：

19、步骤s41，从邻接矩阵abranch的一行ri出发，找到abranch矩阵在该行中值为1的列，将该列的列数记为cadj；

20、步骤s42，找到abranch矩阵在cadj行中值为1的列，将该列的列数记为ccadj；

21、步骤s43，将abranch矩阵ri行，ccadj列的矩阵值改为1；

22、步骤s44，重复步骤s41、步骤s42、步骤s43，直至遍历abranch矩阵所有行。

23、本发明步骤s5中，构建树状邻接矩阵t，并将血管分支划分为入口分支，即i，中间分支记为m，以及出口分支记为o，具体包括如下子步骤：

24、步骤s51，初始化一个数字队列，记为qin，该队列的初始值为邻接矩阵abranch中，入口分支i所在的行数；

25、步骤s52，从qin的第一个值出发，记为qstart，找到abranch矩阵在qstart行中值为1的列，将该列的列数记为cadj，并将cadj加入到队列qin的末尾；

26、步骤s53，将abranch矩阵cadj行、cadj列的矩阵值改为0，并将qstart移出qin队列；

27、步骤s54，重复步骤s52、步骤s53，直至队列qin为空；

28、步骤s55，经步骤s51、步骤s52、步骤s53、步骤s54修改后的邻接矩阵abranch记为t，将矩阵t各列值相加后，值为1的行对应的血管分支记为出口分支o，除入口分支i、出口分支o以外的血管分支记为m。

29、本发明步骤s6中，所述控制方程组指由血管长度、半径、血流流量、血流压力构成的线性或非线性方程。

30、本发明步骤s7中，所述为出口分支o设置输出边界条件bo，具体包括如下子步骤：

31、步骤s71，从一个出口分支oi出发，生成二叉树，其中二叉树左、右支半径为oi半径的α、β倍，α、β小于1且大于0，左、右支长度为其半径的γ倍，γ大于1；

32、步骤s72，继续为步骤s71中生成的左、右支生成二叉树，新的二叉树半径、长度规则同步骤s71；

33、步骤s73，重复步骤s72，直至新的二叉树半径小于0.1毫米；

34、步骤s74，重复步骤s71、s72、s73，直至为所有出口分支o生成二叉树结构；

35、步骤s75，原出口分支o并入中间分支m，步骤s74中生成的最末梢分支设置为新的出口分支o，步骤s74中生成的其他分支并入中间分支m；

36、步骤s76，所有出口分支设置输出血压为10毫米汞柱。

37、基于上述脑血管血流动力学特征定量分析方法，本发明还构建了脑血流动力学定量分析系统。该定量分析系统包括：血管网络重组模块，血管网络出口设置模块，边界条件设置模块，血流动力学参数计算模块；这些模块用于执行本发明方法中，步骤s4和步骤s5、步骤s7、步骤s6和步骤s8、步骤s9的操作。

38、与现有技术相比，本发明具有如下有益效果：

39、1、相较于传统压力导丝测量血流动力学特征方法，本发明可利用医学影像无创定量各个血管分支的血流流速、压力特征，避免有创穿刺带来的风险；

40、2、相较于三维仿真模型，本发明使用简化的非线性方程作为控制方程，减少仿真所需的边界条件和操作技术，为大规模临床数据应用提供便利；

41、3、本发明基于医学影像所得血管结构进行仿真，具有很强的普适性，可用于x射线、ct、mri等不同采集方式获取的血管影像；

42、4、本发明自动实现血流动力学特征定量，减少主观选择参数的干扰，便于非专业技术人员实施，可供临床快捷使用；

43、5、本发明得出的血流动力学定量参数，解决了临床定量血流动力学特征的困境，为临床诊断提供更丰富的定量信息；

44、6、本发明提供的方法可融入软硬件开发，制成智能分析器，智能app等相关分析系统，可大幅提升血流动力学分析效率，促进血管疾病的诊断和预防研究；通过分析血流动力学参数与疾病的关系，建立疾病评价标准，可实现疾病的早期发现及治疗效果评价，以促进血管疾病诊治研究，提升相关疾病的治愈率；本发明在血管疾病的智能诊治中发挥巨大的作用，极具市场潜力和经济社会效益；

45、7、本发明是一种通用的血流动力学分析方法，利用相关影像不仅可实现动物血管、人体血管等活体血管的血流动力学分析，也可用于其他管状结构的分析，如电网、水管网络等的分析，具有很强的适用性。