[发明专利]预测血管树血管路径上的血流特征的深度学习模型和系统

权利要求书

1.一种预测血管树的血管路径上的血流特征的预测装置，其特征在于，所述预测装置包括：

检测图像获取单元，配置为获取所述血管树的检测医学图像；

第二提取计算单元，配置为从所述检测医学图像提取各条血管路径上的点序列中各点的影像特征、结构特征和功能特征中的至少一种特征；

预测单元，配置为：基于所述血管路径上的点序列的影像特征、结构特征和功能特征中的至少一种特征的序列，利用训练好的递归神经网络，预测所述血管路径上的所述点序列的血流特征的序列，其中，所述递归神经网络的输入和输出均与所述点序列依序对应，且所述递归神经网络被配置为使得所述血管路径上各点的影像特征、结构特征和功能特征中的至少一种受其本身以外的其他点影响，其中离当前点越近的点对所述当前点的影响越大。

2.根据权利要求1所述的预测装置，其特征在于，所述预测单元进一步配置为：基于所述血管路径上的点序列的影像特征、结构特征和功能特征中的至少一种特征的序列，利用训练好的与所述各点分别对应设置的多层神经网络以及所述递归神经网络，预测所述血管路径上的所述点序列的血流特征的序列，其中，各个多层神经网络的输出的序列用作所述递归神经网络的输入。

3.根据权利要求1所述的预测装置，其特征在于，所述递归神经网络是双向递归神经网络，所述双向递归神经网络分别包含相互独立的正向处理层和反向处理层。

4.根据权利要求3所述的预测装置，其特征在于，所述双向递归神经网络是双向长短期记忆递归神经网络或关口循环单元。

5.根据权利要求1所述的预测装置，其特征在于，所述点序列中各点的影像特征、结构特征和功能特征中的至少一种特征是各点的影像、结构和功能中的相应至少一种的基本特征、基于所述基本特征推导得出的派生特征、或者其中两个以上特征的组合。

6.根据权利要求5所述的预测装置，其特征在于，所述派生特征包括当前点变型特征、上游路径累积特征与下游路径累积特征。

7.根据权利要求1-6中的任一项所述的预测装置，其特征在于，所述递归神经网络被设置2层或3层。

8.根据权利要求1所述的预测装置，其特征在于，所述血流特征包括血流储备分数、血流量、血流速度和血流压力降中的至少一种。

9.根据权利要求1或2所述的预测装置，其特征在于，所述预测装置包括：

训练好的所述的递归神经网络，或者训练好的多层神经网络以及所述递归神经网络。

10.根据权利要求9所述的预测装置，其特征在于，所述血管路径能够设置为与另一血管路径部分重叠，所述预测装置还包括求平均单元，用于对重叠部分取多次计算的血流特征的均值作为最终的血流特征。

11.根据权利要求9所述的预测装置，其特征在于，所述预测装置是线上执行的。

12.根据权利要求9所述的预测装置，其特征在于，所提取的各条血管路径上的点序列的各点的影像特征、结构特征和功能特征中的至少一种特征和所预测得到的各条血管路径上的点序列的相应各点的血流特征，能够被存储作为患者的血管树的历史数据集，以供下一次调用作为训练数据集。