基于神经网络的支架压握性能预测方法及装置与流程

本发明涉及医疗器械领域，具体而言，涉及基于神经网络的支架压握性能预测方法及装置。

背景技术：

1、经皮腔内动脉成型术，是目前治疗血管狭窄及供血不足引起的疾病(如冠心病)的最有效途径。将支架运送到病变位置，则需要将支架搭载在输送系统上。对于球囊扩张支架而言，往往是利用球囊导管将支架运到病变位置后，然后充盈球囊将压握在球囊上的支架撑开，达到支撑血管的目的。

2、而将支架搭载在球囊上时，常通过支架压握工艺将支架压握至球囊上形成球囊扩张支架，考量球囊扩张支架性能是非常关键的，例如支架压握移除力等，对于球囊扩张支架性能的评价，现在的方案中都是通过人工实验的方式进行，这种评估球囊扩张支架性能的方法简单而不精准，目前针对相关技术中对于如何精准预测球囊扩张支架的性能，尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种基于神经网络的支架压握性能预测方法及装置，解决了现有技术中不能精准预测球囊扩张支架性能的问题，实现了准确地预测支架压握的性能，减少因人工实验带来的误差和不精确因素，并能够适应不同类型的支架和球囊，以及不同的压握工艺，具有很好的灵活性和可扩展性。

2、根据本发明实施例的一个方面，提供了一种基于神经网络的支架压握性能预测方法，包括：获取支架压握静态历史集，该支架压握静态历史集包括支架特性历史集、球囊特性历史集以及压握工艺静态特性历史集；根据该支架压握静态历史集得到支架压握静态特征；获取支架压握动态历史集，该支架压握动态历史集包括压握工艺动态特性历史集；根据该支架压握静态特征及该支架压握动态历史集得到支架压握输入特征；将该支架压握输入特征输入至初始神经网络进行训练，得到支架压握性能预测神经网络模型；根据该支架压握性能预测神经网络模型预测当前支架压握性能。

3、根据本发明实施例的一个方面，提供了一种基于神经网络的支架压握性能预测装置，包括：静态历史数据获取单元，用于获取支架压握静态历史集，该支架压握静态历史集包括支架特性历史集、球囊特性历史集以及压握工艺静态特性历史集；静态特征生成单元，用于根据该支架压握静态历史集得到支架压握静态特征；动态历史数据获取单元，用于获取支架压握动态历史集，该支架压握动态历史集包括压握工艺动态特性历史集；输入特征生成单元，用于根据该支架压握静态特征及该支架压握动态历史集得到支架压握输入特征；神经网络模型训练单元，用于将该支架压握输入特征输入至初始神经网络进行训练，得到支架压握性能预测神经网络模型；预测单元，用于根据该支架压握性能预测神经网络模型预测当前支架压握性能。

4、本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或有点：

5、由于提出了一种基于神经网络的支架压握性能预测方法及装置，通过获取支架压握静态历史集，该支架压握静态历史集包括支架特性历史集、球囊特性历史集以及压握工艺静态特性历史集；根据该支架压握静态历史集得到支架压握静态特征；获取支架压握动态历史集，该支架压握动态历史集包括压握工艺动态特性历史集；根据该支架压握静态特征及该支架压握动态历史集得到支架压握输入特征；将该支架压握输入特征输入至初始神经网络进行训练，得到支架压握性能预测神经网络模型；根据该支架压握性能预测神经网络模型预测当前支架压握性能，本方案有以下技术效果：

6、首先，通过获取支架压握静态历史集和支架压握动态历史集纳入模型，并通过提取支架压握静态历史集特征后又将支架压握静态历史集特征与支架压握动态历史集融合形成支架压握输入特征的方式，通过先单独提取特征后融合的方法，不仅能够更有效地利用不同类型的数据进行更准确的预测，还可以提高模型的灵活性和可维护性，即先单独提取特征阶段的优势有以下几点：第一、专注分析，静态和动态历史集分别涵盖不同方面的特性和因素，分开处理它们允许模型更专注地针对每一组特性进行优化和分析；第二、降低复杂性，每个子集（静态和动态）都相对较小和更易于管理。这降低了问题的复杂性，并可能提高模型训练的效率；第三、减少噪声影响，通过独立处理静态和动态数据可能减少不相关特性之间的相互干扰，从而提高模型的预测准确性；而后融合阶段的优势有以下几点：第一、全面性，虽然先前分开，但最终两种数据都将被用于形成一个综合的、全面的预测。这确保了所有相关因素都得到了考虑；第二、数据融合优势，通过分离和独立处理，各数据集中的核心信息得以突出。在后续的结合阶段，这些信息被综合，提供了比单一数据集更丰富、更准确的预测；第三、灵活性和适应性，如果其中一个数据集（例如动态历史集）发生变化或需要更新，那么这种结构使得只更新与之相关的部分模型成为可能，而不需要重新训练整个模型；第四、优化决策支持，这种方法提供了一个多维度的预测视角。医生或工程师不仅可以了解支架压握性能的一般预期，还能深入了解静态和动态因素是如何独立和共同影响性能的。

7、其次、通过神经网络自动进行性能预测，这会比手动进行大量的人工实验更高效，因为一旦模型训练完毕，预测几乎是瞬时的；

8、最后、通过本方案可用于预测不同条件下的支架压握性能，为医生和工程师提供了一个依据，从而可能帮助他们做出更合理的决策。

技术特征：

1.一种基于神经网络的支架压握性能预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，根据所述支架压握性能预测神经网络模型预测当前支架压握性能还包括：

3.根据权利要求2所述的方法，其特征在于，还包括：

4.根据权利要求3所述的方法，其特征在于，还包括：

5.根据权利要求3所述的方法，其特征在于，提供所述支架压握输入特征输入至初始神经网络进行训练，得到支架压握性能预测神经网络模型还包括：

6.根据权利要求3所述的方法，其特征在于，根据所述支架压握静态历史集得到支架压握静态特征还包括：

7.根据权利要求6所述的方法，其特征在于，根据所述支架压握静态特征及所述支架压握动态历史集得到支架压握输入特征还包括：

8.根据权利要求5所述的方法，其特征在于，根据所述支架压握性能预测输出和所述支架压握性能实际输出生成预测损失值还包括：

9.一种计算机可读的存储介质，其特征在于，

10.一种电子设备，包括存储器和处理器，其特征在于，

11.一种基于神经网络的支架压握性能预测装置，其特征在于，包括：

12.根据权利要求11所述的装置，其特征在于，所述预测单元还包括：

13.根据权利要求12所述的装置，其特征在于，所述静态历史数据获取单元还包括：

14.根据权利要求13所述的装置，其特征在于，所述当前数据获取子单元还包括：

15.根据权利要求13所述的装置，其特征在于，所述神经网络模型训练单元还包括：

16.根据权利要求13所述的装置，其特征在于，所述静态特征生成单元还包括：

17.根据权利要求16所述的装置，其特征在于，所述输入特征生成单元还包括：

18.根据权利要求15所述的装置，其特征在于，

技术总结
本发明提供了一种基于神经网络的支架压握性能预测方法及装置，通过获取支架压握静态历史集；根据该支架压握静态历史集得到支架压握静态特征；获取支架压握动态历史集；根据该支架压握静态特征及该支架压握动态历史集得到支架压握输入特征；将该支架压握输入特征输入至初始神经网络进行训练，得到支架压握性能预测神经网络模型；根据该支架压握性能预测神经网络模型预测当前支架压握性能解决了现有技术中不能精准预测球囊扩张支架性能的问题，实现了准确地预测支架压握的性能，减少因人工实验带来的误差和不精确因素，并能够适应不同类型的支架和球囊，以及不同的压握工艺，具有很好的灵活性和可扩展性。

技术研发人员：冯汉卿,宋歌,袭俊丹,刘青,赵庆洪
受保护的技术使用者：北京阿迈特医疗器械有限公司
技术研发日：
技术公布日：2024/1/15