[发明专利]一种基于深度学习的血流储备分数预测方法及系统

权利要求书

1.一种基于深度学习的血流储备分数预测方法，其特征在于，包括：

依据提取的血管中心线及片段中心点，将原始CTA图像分解为单血管探针图像序列；

从单血管探针图像序列中，提取包含血管完整时序信息的血管片段图像特征，并基于血管片段图像特征，预测血管片段的血流储备分数；

将血管片段的血流储备分数与血管中心线上的片段中心点一一对应，得到原始CTA图像对应的完整血流储备分数预测结果。

2.如权利要求1所述的一种基于深度学习的血流储备分数预测方法，其特征在于，所述单血管探针图像序列的分解步骤为：

使用vtk从原始CTA图像中提取每根血管的中心线；

基于提取的血管中心线，从原始CTA图像中获取每根血管对应的单血管探针图像，得到由所有血管的单血管探针图像组成的单血管探针图像库；

采用等间隔采样的方法，从单血管探针图像中，截取以中心线上的点为中心点、等长度的血管片段，得到单血管探针图像序列。

3.如权利要求2所述的一种基于深度学习的血流储备分数预测方法，其特征在于，所述提取每根血管的中心线，还要根据原始CTA图像，确定每根血管的起始位置。

4.如权利要求2所述的一种基于深度学习的血流储备分数预测方法，其特征在于，得到单血管探针图像后，对未达到长度要求的血管，使用空白片段进行尾部补齐。

5.如权利要求1所述的一种基于深度学习的血流储备分数预测方法，其特征在于，利用训练好的预测模型，提取特征，计算血流储备分数，预测模型由3DCNN、Transformer和sigmoid函数组成；

所述预测模型，以探针图像为输入，输出血流储备分数。

6.如权利要求5所述的一种基于深度学习的血流储备分数预测方法，其特征在于，所述预测模型，具体用于：

所述探针图像输入到训练好的3DCNN中提取包含短时序信息的图像特征；

将提取到的图像特征展平后放入Transformer进行时序特征增强，得到包含血管完整时序信息的血管片段图像特征；

基于提取的血管片段图像特征，使用sigmoid函数计算血流储备分数。

7.如权利要求6所述的一种基于深度学习的血流储备分数预测方法，其特征在于，在构建所述预测模型的训练数据集时，通过血管的最低血流储备分数，进行血管筛选。

8.一种基于深度学习的血流储备分数预测系统，其特征在于，包括探针序列提取模块、分段分数预测模块和最终分数生成模块；

探针序列提取模块，用于依据提取的血管中心线及片段中心点，将原始CTA图像分解为单血管探针图像序列；

分段分数预测模块，用于从单血管探针图像序列中，提取包含血管完整时序信息的血管片段图像特征，并基于血管片段图像特征，预测血管片段的血流储备分数；

最终分数生成模块，用于将血管片段的血流储备分数与血管中心线上的片段中心点一一对应，得到原始CTA图像对应的完整血流储备分数预测结果。

9.计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的一种基于深度学习的血流储备分数预测方法中的步骤。

10.电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种基于深度学习的血流储备分数预测方法中的步骤。