[发明专利]一种升主动脉流体力学参数的测算方法和装置

说明书

本发明实施例提供了一种升主动脉流体力学参数的测算方法和装置，所述方法包括：获取若干升主动脉图像和每个升主动脉图像对应的流体力学指标，并构建第一数据集；对所述第一数据集进行掩模提取操作，提取升主动脉掩模，获得第二数据集；通过Navier－Stokes方程获取若干个第一流体力学参数；利用所述若干个第一流体力学参数建立深度学习平台，并通过所述若干个第一流体力学参数对所述深度学习平台进行训练，直到所述深度学习平台收敛；将待测的升主动脉图像输入收敛的深度学习平台，测算获得所述待测的升主动脉图像对应的流体力学参数。本发明相对于现有技术，测算过程高效、便捷快速，步骤简洁，可实现更高的精确度并减少了计算量。

技术领域

本发明涉及升主动脉流体力学取领域，尤其涉及一种升主动脉流体力学参数的测算方法和装置。

背景技术

目前，对于升主动脉瘤，各大医院临床医生主要以瘤径作为判定手术时机的主要指标，但是这种方法极易漏诊，因此亟需更精准的筛选指标用于识别早期的升主动脉瘤。现有技术主要依靠流体力学指标，包括管壁压力、血液流速，特别是壁面剪切力的相关指标，能更为准确地预测升主动脉瘤的体积增大、夹层形成以及破裂的风险，并且能够较为预测破口位置、评估附壁血栓形成风险等。然而，现有技术中这些流体力学指标并不能通过无创手段直接获取，只能依靠间接的手段进行计算。目前基于影像学资料的主流技术计算量大、步骤繁琐、耗时长，且需要相关人员具有较强的流体力学的模拟和相关的计算机技术基础。

发明内容

本发明提供了一种升主动脉流体力学参数的测算方法和装置，简化了流体力学参数测算的步骤，减少了计算量。

为了解决上述技术问题，本发明实施例提供了一种升主动脉流体力学参数的测算方法，包括：

获取若干升主动脉图像和每个升主动脉图像对应的流体力学指标，并构建第一数据集；

对所述第一数据集进行掩模提取操作，提取升主动脉掩模，获得第二数据集；

根据所述第二数据集，通过Navier－Stokes方程获取若干个第一流体力学参数；

利用所述若干个第一流体力学参数建立深度学习平台，并通过所述若干个第一流体力学参数对所述深度学习平台进行训练，直到所述深度学习平台收敛；

将待测的升主动脉图像输入收敛的深度学习平台，测算获得所述待测的升主动脉图像对应的流体力学参数。

作为优选方案，所述根据所述第二数据集，通过Navier－Stokes方程获取若干个第一流体力学参数，具体为：

获取正常人体的血液密度均值ρ、血液黏度均值μ，通过不可压缩流体的Navier－Stokes方程获取第一流体力学参数，其矢量形式具体为：

其中，V为患者的升主动脉的入口流速，p为患者的升主动脉的出口压力，g为重力加速度。

作为优选方案，在所述利用所述若干个第一流体力学参数建立深度学习平台之前，还包括：对所述若干个第一流体力学参数进行基于k－means算法的空间聚类操作；其中，所述空间聚类操作的最大聚类个数为k＝4。

作为优选方案，所述深度学习平台的损失函数采用均方误差函数，所述均方误差函数具体为：

其中，对于编号为t，取值范围为1至N的任一流体力学参数，MSE为流体力学参数的均方误差，Observed_t为所述第二数据集的任一流体力学指标的观测值，predicted_t为所述深度学习平台输出的预测值。