一种确定血流储备分数的系统及方法与流程

本说明书涉及医疗，特别涉及一种确定血流储备分数的系统及方法。

背景技术：

1、冠状动脉粥样硬化性心脏病(冠心病)是严重威胁我国居民健康和生活质量的重大慢性疾病。血流储备分数(fractional flow reserve,ffr)可以有效评估斑块狭窄导致的缺血程度，为后续治疗方向提供参考。相较于有创ffr，基于医学成像技术(例如，冠状动脉ct扫描)获得的血流储备分数(基于ct获得ffr可以称为ffrct)，由于其使用的无创检查手段，对患者更加友好。然而，通常，此种方式是通过流体动力学(computational fluiddynamics,cfd)来估计血管各处的压力和流速，由于计算过于耗时(大于40分钟/例)，而且对于冠脉分割结果非常敏感容易失败，难以被临床广泛接受。

2、因此希望提供一种高效精确的确定血流储备分数的系统及方法。

技术实现思路

1、本说明书实施例之一提供一种确定血流储备分数的方法。该方法包括：获取对象的医学图像，所述医学图像包括所述对象的冠脉；基于所述医学图像，使用第一机器学习模型，确定所述冠脉的等效电阻，其中，所述冠脉的等效电阻包括所述冠脉上多个点的等效电阻值；基于所述医学图像，使用第二机器学习模型，确定所述冠脉的边界条件电阻，其中，所述边界条件电阻用于描述血液流出所述冠脉末端的边界条件；以及基于所述冠脉的所述等效电阻和所述边界条件电阻，确定所述对象的血流储备分数。

2、本说明书实施例之一提供一种确定血流储备分数的系统。该系统包括获取模块，配置为获取对象的医学图像，所述医学图像包括所述对象的冠脉；第一确定模块，配置为基于所述医学图像，使用第一机器学习模型，确定所述冠脉的等效电阻，其中，所述冠脉的等效电阻包括所述冠脉上多个点的电阻值；第二确定模块，配置为基于所述医学图像，使用第二机器学习模型，确定所述冠脉的边界条件电阻，其中，所述边界条件电阻用于描述血液流出所述冠脉的末端的边界条件；以及第三确定模块，配置为基于所述冠脉的所述等效电阻和所述边界条件电阻，确定所述对象的血流储备分数。

3、本说明书实施例之一提供一种确定血流储备分数的系统。该系统包括至少一个存储设备，用于存储计算机指令；至少一个处理器，用于执行所述计算机指令，以实现上述确定血流储备分数的方法。

4、本申请的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解，本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征可以通过实践或使用下述详细示例中阐述的方法、手段和组合的各个方面来实现和获得。

技术特征：

1.一种确定血流储备分数的方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述基于所述医学图像，使用第一机器学习模型，确定所述冠脉的等效电阻包括：

3.如权利要求1所述的方法，其特征在于，所述基于所述冠脉的所述等效电阻和所述边界条件电阻，确定所述对象的血流储备分数包括：

4.如权利要求3所述的方法，其特征在于，所述基于所述冠脉的所述等效电阻和所述每个分叉点的下游总电阻，确定所述点的血流储备分数包括：

5.如权利要求1所述的方法，其特征在于，所述第一机器学习模型通过以下训练过程生成：

6.如权利要求5所述的方法，其特征在于，

7.如权利要求1所述的方法，其特征在于，所述第二机器学习模型通过以下训练过程生成：

8.如权利要求1所述的方法，其特征在于，所述第一机器学习模型的训练标签基于第一超参数确定，所述第二机器学习模型的训练标签基于第二超参数确定，所述第一超参数的值和所述第二超参数的值通过以下过程确定：

9.一种确定血流储备分数的系统，包括：

10.一种确定血流储备分数的系统，包括：

技术总结
本说明书实施例提供一种确定血流储备分数的系统及方法。该方法包括：获取对象的医学图像，所述医学图像包括所述对象的冠脉；基于所述医学图像，使用第一机器学习模型，确定所述冠脉的等效电阻，其中，所述冠脉的等效电阻包括所述冠脉上多个点的电阻值；基于所述医学图像，使用第二机器学习模型，确定所述冠脉的边界条件电阻，其中，所述边界条件电阻用于描述血液流出所述冠脉末端的边界条件；以及基于所述冠脉的所述等效电阻和所述边界条件电阻，确定所述对象的血流储备分数。

技术研发人员：陈子融,董昢,吴迪嘉
受保护的技术使用者：上海联影智能医疗科技有限公司
技术研发日：
技术公布日：2024/1/15