【技术实现步骤摘要】
本申请涉及血流压力测量领域，特别是涉及一种心血管相对血流压力测量方法、装置、设备、介质及产品。
技术介绍
1、磁共振(magnetic resonance，mr)设备与技术的不断发展，使磁共振成像的空间分辨率和软组织分辨力明显提高。随着磁共振成像系统中射频和梯度系统性能的提高以及回顾式心电门控和呼吸导航技术的不断完善与应用，一种可以在三维空间上提供三个方向的随时间变化的流速信息的三维动态相位对比成像方法逐渐发展成熟，该成像方法也被称为四维血流核磁共振成像(4d flow mri)。
2、虽然4d flowmri方法可通过无创的方式获得血管内真实的血流速度，但确无法获得流场相对血流压力，目前仍然需要压力导丝等有创方式获得患者的相对血流压力，其主要实现方式为将压力导丝或导管通过介入手术的方式从患者股动脉插入，到达测压部位，该有创测量的方法风险较大，费用较高。
技术实现思路
1、本申请的目的是提供一种心血管相对血流压力测量方法、装置、设备、介质及产品，可实现心血管相对血流压力的无创测量，降低测量风险和成本。
2、为实现上述目的，本申请提供了如下方案：
3、第一方面，本申请提供了一种心血管相对血流压力测量方法，所述心血管相对血流压力测量方法包括：
4、获取目标患者的4d flowmri数据；所述4d flowmri数据是采用4d flow mri设备对心血管系统进行扫描，得到的带有时间分辨率的三维相位对比磁共振成像数据；
5、根据
6、对目标患者待测压点的血流速度和待测压点的三维邻域内各个区域的血流速度进行三维方向上的速度分解，得到目标患者待测压点的血流速度分量和目标患者待测压点的三维邻域内各个区域的血流速度分量；
7、根据设定时间段内目标患者待测压点的血流速度分量和设定时间段内目标患者待测压点的三维邻域内各个区域的血流速度分量，构建目标患者的速度特征变量；所述设定时间段包括：当前时刻、当前时刻的上一节拍时刻和当前时刻的下一节拍时刻；所述当前时刻为当前对4d flow mri数据进行采样的时刻；
8、将目标患者的速度特征变量输入压力测量模型中，得到目标患者待测压点在当前时刻的相对血流压力；所述压力测量模型是基于机器学习模型构建的。
9、可选地，根据目标患者的4d flow mri数据，确定目标患者待测压点的血流速度和待测压点的三维邻域内各个区域的血流速度，具体包括：
10、选取待测压点，并根据目标患者的4d flow mri数据确定目标患者待测压点的血流速度；
11、将待测压点的三维邻域以待测压点为中心划分为多个大小相同的区域；
12、选取每个区域内与待测压点最邻近的若干个速度编码点作为编码点集，并根据目标患者的4d flow mri数据确定每个区域的编码点集对应的血流速度集；
13、对每个区域的血流速度集进行池化操作，得到待测压点的三维邻域内各个区域的血流速度。
14、可选地，所述压力测量模型的确定方法包括：
15、获取各个不同训练患者的4d flow mri数据；
16、根据训练患者的4d flow mri数据，确定训练患者待测压点的血流速度和待测压点的三维邻域内各个区域的血流速度；
17、对训练患者待测压点的血流速度和待测压点的三维邻域内各个区域的血流速度进行三维方向上的速度分解，得到训练患者待测压点的血流速度分量和训练患者待测压点的三维邻域内各个区域的血流速度分量；
18、根据设定时间段内训练患者待测压点的血流速度分量和设定时间段内训练集患者待测压点的三维邻域内各个区域的血流速度分量，构建训练患者的速度特征变量；
19、采用计算流体力学方法计算各个不同训练患者待测压点的相对血流压力；
20、根据所有训练患者的速度特征变量和所有训练患者待测压点的相对血流压力构建训练集；
21、采用所述训练集对机器学习模型进行训练，并将训练好的机器学习模型确定为所述压力测量模型。
22、可选地，对目标患者待测压点的血流速度和待测压点的三维邻域内各个区域的血流速度进行三维方向上的速度分解，得到目标患者待测压点的血流速度分量和目标患者待测压点的三维邻域内各个区域的血流速度分量，具体包括：
23、对目标患者待测压点的血流速度在笛卡尔坐标系上进行三维方向速度分解，得到目标患者待测压点的血流速度分量；
24、对待测压点的三维邻域内各个区域的血流速度在笛卡尔坐标系上进行三维方向速度分解，得到目标患者待测压点的三维邻域内各个区域的血流速度分量。
25、可选地，在根据目标患者的4d flow mri数据，确定目标患者待测压点的血流速度和待测压点的三维邻域内各个区域的速度编码点的血流速度之前，所述心血管相对血流压力测量方法，还包括：
26、将待测压点的三维邻域以待测压点为中心划分为多个大小相同的区域。
27、可选地，采用所述训练集对机器学习模型进行训练，并将训练好的机器学习模型确定为所述压力测量模型，具体包括：
28、将所述训练集输入机器学习模型，采用反向传播算法和梯度下降方法确定所述机器学习模型中的参数，并将确定参数后的机器学习模型作为训练好的机器学习模型；所述参数包括：权重和偏置；
29、将训练好的机器学习模型确定为所述压力测量模型。
30、可选地，所述机器学习模型为深度神经网络模型。
31、第二方面，本申请提供了一种心血管相对血流压力测量装置，所述心血管相对血流压力测量装置包括：4d flow mri设备、处理器和终端；所述4d flow mri设备与所述处理器连接；所述处理器与所述终端连接；所述处理器包括：血流速度确定模块、速度分解模块、速度特征变量构建模块和压力测量模块；
32、所述4d flow mri设备用于对目标患者的心血管系统进行扫描，得到目标患者的4d flow mri数据；所述4d flow mri数据为带有时间分辨率的三维相位对比磁共振成像数据；
33、所述血流速度确定模块用于根据目标患者的4d flow mri数据，确定目标患者待测压点的血流速度和待测压点的三维邻域内各个区域的血流速度；
34、所述速度分解模块用于对目标患者待测压点的血流速度和待测压点的三维邻域内各个区域的血流速度进行三维方向上的速度分解，得到目标患者待测压点的血流速度分量和目标患者待测压点的三维邻域内各个区域的血流速度分量；
35、所述速度特征变量构建模块用于根据设定时间段内目标患者待测压点的血流速度分量和设定时间段内目标患者待测压点的三维邻域内各个区域的血流速度分量，构建目标患者的速度特征变量；所述设定时间段包括：当前时刻、当前时本文档来自技高网...
【技术保护点】
1.一种心血管相对血流压力测量方法，其特征在于，所述心血管相对血流压力测量方法包括：
2.根据权利要求1所述的心血管相对血流压力测量方法，其特征在于，根据目标患者的4D Flow MRI数据，确定目标患者待测压点的血流速度和待测压点的三维邻域内各个区域的血流速度，具体包括：
3.根据权利要求1所述的心血管相对血流压力测量方法，其特征在于，所述压力测量模型的确定方法包括：
4.根据权利要求1所述的心血管相对血流压力测量方法，其特征在于，对目标患者待测压点的血流速度和待测压点的三维邻域内各个区域的血流速度进行三维方向上的速度分解，得到目标患者待测压点的血流速度分量和目标患者待测压点的三维邻域内各个区域的血流速度分量，具体包括：
5.根据权利要求3所述的心血管相对血流压力测量方法，其特征在于，采用所述训练集对机器学习模型进行训练，并将训练好的机器学习模型确定为所述压力测量模型，具体包括：
6.根据权利要求1所述的心血管相对血流压力测量方法，其特征在于，所述机器学习模型为深度神经网络模型。
7.一种心血管相对血流压力
8.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述的心血管相对血流压力测量方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的心血管相对血流压力测量方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的心血管相对血流压力测量方法。
...【技术特征摘要】
1.一种心血管相对血流压力测量方法，其特征在于，所述心血管相对血流压力测量方法包括：
2.根据权利要求1所述的心血管相对血流压力测量方法，其特征在于，根据目标患者的4d flow mri数据，确定目标患者待测压点的血流速度和待测压点的三维邻域内各个区域的血流速度，具体包括：
3.根据权利要求1所述的心血管相对血流压力测量方法，其特征在于，所述压力测量模型的确定方法包括：
4.根据权利要求1所述的心血管相对血流压力测量方法，其特征在于，对目标患者待测压点的血流速度和待测压点的三维邻域内各个区域的血流速度进行三维方向上的速度分解，得到目标患者待测压点的血流速度分量和目标患者待测压点的三维邻域内各个区域的血流速度分量，具体包括：
5.根据权利要求3所述的心血管相对血流压力测量方法，其特征在于，采用所述训练集对机器学习模型进行训练，并将训练好的机器学习模型确定为所述压力测量模型，具体包括：
6.根据权利要求1所述的心血管相对...
【专利技术属性】
技术研发人员：乔爱科，陶春昊，张晗冰，陈诗亮，杜田明，张艳萍，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。