基于多模态医学影像数据的供血功能异常评估方法及装置

技术领域

本发明涉及智慧医疗技术领域，尤其涉及基于多模态医学影像数据的供血功能异常评估方法及装置。

背景技术

心脑血管动脉硬化斑块可以引发致命的心脑血管事件，例如短暂性脑缺血发作和脑卒中。颅内外动脉血管检查是心血管疾病筛查的一种重要手段，主要检查动脉解剖结构异常和功能异常。解剖结构异常是指血管壁增厚引起血管腔减小，主要使用血管腔直径减少比例这一指标来衡量。功能异常是指由血管腔减小引起的血管阻力增加，从而导致通过该血管的血流量减小的结果。近年来的研究表明，血流量变化是心血管事件发生的关键。

要全面评估颅内外血管解剖结构异常和功能异常，往往需要同时采用颈动脉超声和核磁共振血管造影医学影像。为了能够使用更便捷准确评价心脑血管供血功能，需要一种方法能够便捷联合颅内外动脉血管解剖学异常和功能异常情况，为医生的诊断提供强有力的辅助依据。

发明内容

本发明的目的是为了至少解决现有技术的不足之一，提供基于多模态医学影像数据的供血功能异常评估方法及装置。

为了实现上述目的，本发明采用以下的技术方案：

具体的，提出基于多模态医学影像数据的供血功能异常评估方法，包括以下：

获取医疗影像数据；

基于所述医疗影像数据建立三维模型；

对所述三维模型进行有限元网格划分；

根据边界条件策略对所述有限元网格定义边界；

将定义边界后的有限元网格导入Comsol CFD模块，求解对应的流体控制方程Navier-Stokes方程组；

结合Navier-Stokes方程组的求解结果以及预设的计算过程求解脑动脉供血权重PI，判断PI是否大于第一阈值，若是则判断存在供血功能异常风险，并将脑动脉供血权重PI告知医护人员。

进一步，具体的，获取的医疗影像数据为多对比度亮血成像血管图像，即时间飞跃血管造影TOF-MRA，获取多对比度亮血成像血管图像的扫描参数设置为重复时间TR/回波时间TE设置为25/3.5ms，视野范围FOV设置为119x159x168mm

进一步，具体的，基于所述医疗影像数据建立三维模型，包括，

通过软件ITK-SNAP对TOF-MRA进行二维图像分割得到分割结果，其ROI区域通过预设的血管区域阈值及生理直径阈值进行划分，基于分割结果的多个分割蒙版提取多个中心点O_i，i的最大值与分割蒙版即中心点个数相同，将中心点进行连线构成中心线；

将分割结果的二维分割图像以及中心线数据导入Mimics，以中心线为投影路径，采用B样条采样方法建立三维模型。

进一步，具体的，对所述三维模型进行有限元网格划分，包括，

在Mimics中，采用非结构化格式的四面体元素对三维模型进行有限元网格化分，需遵循如下规则，

首先，根据流入/流出边界直径比值R确定边界四面体网格单元边界的最小长度，然后对血管壁网格进行划分，对分叉、直径剧烈变化区域采取网格密度增加的操作以避免模拟奇点；最后，将网格输入Comsol通过网格独立性测试，以流速为参考指标，确定R增加时，不同密度网格所计算的流速差异小于5％时，达到网格独立性测试收敛。

进一步，具体的，所述边界条件策略包括，

令入流和出流界面

s_oe采用基于超声多普勒血流测量方法获取的血流信息定义出流边界条件，对s_oa,s_os及s_oc通过0维电路模型定义出流边界条件；

其中，超声多普勒血流测量方法包括，首先，对多普勒血流图I_us血流波形图区域通过图像读取软件定位血流波形2个最大峰值和1个0点在I_us中的坐标点P11(x_11,y_11)和P12(x_12,y_12)，P0(x_21,y_21)然后，并通过剪裁工具通过高斯模糊血流多普勒信号信息区域实现平滑，采用canny边缘检测法提取血流多普勒信号信息区的边界轮廓，采用开运算对边缘修正，采用P11与P12为种子点实施区域增长算法，实现I_us_curve提取，然后通过读取P11及0点像素y轴像素点比例，代入I_us标记流速最大值计算得曲线I_us_curve沿x轴方向像素点对应数值。最后，通过提取x轴方向单位时间长度所对应的像素数对I_us_curve进行采样得到两个连续心动周期血流速度波形的离散时间点流速数据V_i(x，t)，i＝[1,2]，V_1(x，t)表示左侧颈外动脉流速数据，V_2(x，t)表示右侧颈外动脉流速数据；

0维电路模型包括，采用三元电路模型(R

其中，Q代表血流速度，P代表血流压力，C代表血管顺应性C＝9.45×10

P＝QR

其中，总阻力R

R

其中，设比值θ为常数，可推导各出流边界电路模型的R1和R2值。

进一步，具体的，流体控制方程Navier-Stokes方程组，包括，

其中，ρ为密度，u为流速，p为压力，μ为黏度系数，f为外力。流体采用非牛顿流体，粘度系数μ通过Carreau模型计算：

其中，μ

进一步，具体的，求解脑动脉供血权重PI的过程包括，

通过中心线计算血管解剖结构中心线法向直径均值d1_i，提取目测颈内动脉狭窄处d1最小值d1_1，提取d1_1近端和远端4厘米处d1，记为d1

同时，计算压力比值P：

然后，在基底动脉提取v

dv＝v

且计算获取v

构建脑动脉供血权重PI：

其中，κ表示颈内动脉颅外段狭窄个数，φ为常数取值3.729，l为基底动脉中心线长度，δ为常数取值为124.2。

进一步，具体的，所述第一阈值为0.88。

本发明还提出基于多模态医学影像数据的供血功能异常评估装置，包括以下：

数据获取模块，用于获取医疗影像数据；

三维模型建立模块，用于基于所述医疗影像数据建立三维模型；

有限元网格划分模块，用于对所述三维模型进行有限元网格划分；

边界定义模块，用于根据边界条件策略对所述有限元网格定义边界；

数据导入模块，用于将定义边界后的有限元网格导入Comsol CFD模块，求解对应的流体控制方程Navier-Stokes方程组；

异常风险判断模块，用于结合Navier-Stokes方程组的求解结果以及预设的计算过程求解脑动脉供血权重PI，判断PI是否大于第一阈值，若是则判断存在供血功能异常风险，并将脑动脉供血权重PI告知医护人员。

本发明的有益效果为：

本发明提供的基于多模态医学影像数据的供血功能异常评估方法，基于多模态影像数据特征设计耦合边界条件计算流体力学参数，通过医疗影像数据获取个性化心脑血管解剖结构数字模型；采用耦合边界条件方法，对不同血管解剖结构截断平面设计狄利克雷边界条件、参数化波形和个性化提取血流参数波形；设计了血管解剖结构的有限元网格划分方法，从而计算血管解剖结构数字模型的流体力学参数，进而转换得到脑动脉供血权重PI，为医护人员提供辅助依据。

附图说明

通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的输出电压，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：

图1所示为本发明基于多模态医学影像数据的供血功能异常评估方法的流程图；

图2所示为本发明基于多模态医学影像数据的供血功能异常评估方法的原理图。

具体实施方式

以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。

参照图1以及图2，实施例1，本发明提出基于多模态医学影像数据的供血功能异常评估方法，包括以下：

步骤110、获取医疗影像数据；

步骤120、基于所述医疗影像数据建立三维模型；

步骤130、对所述三维模型进行有限元网格划分；

步骤140、根据边界条件策略对所述有限元网格定义边界；

步骤150、将定义边界后的有限元网格导入Comsol CFD模块，求解对应的流体控制方程Navier-Stokes方程组；

步骤160、结合Navier-Stokes方程组的求解结果以及预设的计算过程求解脑动脉供血权重PI，判断PI是否大于第一阈值，若是则判断存在供血功能异常风险，并将脑动脉供血权重PI告知医护人员。

在本实施例中，基于多模态影像数据特征设计耦合边界条件计算流体力学参数，通过医疗影像数据获取个性化心脑血管解剖结构数字模型；采用耦合边界条件方法，对不同血管解剖结构截断平面设计狄利克雷边界条件、参数化波形和个性化提取血流参数波形；设计了血管解剖结构的有限元网格划分方法，从而计算血管解剖结构数字模型的流体力学参数，进而转换得到脑动脉供血权重PI，为医护人员提供辅助依据。

作为本发明的优选实施方式，具体的，获取的医疗影像数据为多对比度亮血成像血管图像，即时间飞跃血管造影TOF-MRA，获取多对比度亮血成像血管图像的扫描参数设置为重复时间TR/回波时间TE设置为25/3.5ms，视野范围FOV设置为119x159x168mm

作为本发明的优选实施方式，具体的，基于所述医疗影像数据建立三维模型，包括，

通过软件ITK-SNAP对TOF-MRA进行二维图像分割得到分割结果，其ROI区域通过预设的血管区域阈值及生理直径阈值进行划分，基于分割结果的多个分割蒙版提取多个中心点O_i，i的最大值与分割蒙版即中心点个数相同，将中心点进行连线构成中心线；

将分割结果的二维分割图像以及中心线数据导入Mimics，以中心线为投影路径，采用B样条采样方法建立三维模型。

作为本发明的优选实施方式，具体的，对所述三维模型进行有限元网格划分，包括，

在Mimics中，采用非结构化格式的四面体元素对三维模型进行有限元网格化分，需遵循如下规则，

首先，根据流入/流出边界直径比值R确定边界四面体网格单元边界的最小长度，然后对血管壁网格进行划分，对分叉、直径剧烈变化区域采取网格密度增加的操作以避免模拟奇点；最后，将网格输入Comsol通过网格独立性测试，以流速为参考指标，确定R增加时，不同密度网格所计算的流速差异小于5％时，达到网格独立性测试收敛。

作为本发明的优选实施方式，具体的，所述边界条件策略包括，

令入流和出流界面

s_oe采用基于超声多普勒血流测量方法获取的血流信息定义出流边界条件，对s_oa,s_os及s_oc通过0维电路模型定义出流边界条件；

其中，超声多普勒血流测量方法包括，首先，对多普勒血流图I_us血流波形图区域通过图像读取软件定位血流波形2个最大峰值和1个0点在I_us中的坐标点P11(x_11,y_11)和P12(x_12,y_12)，P0(x_21,y_21)然后，并通过剪裁工具通过高斯模糊血流多普勒信号信息区域实现平滑，采用canny边缘检测法提取血流多普勒信号信息区的边界轮廓，采用开运算对边缘修正，采用P11与P12为种子点实施区域增长算法，实现I_us_curve提取，然后通过读取P11及0点像素y轴像素点比例，代入I_us标记流速最大值计算得曲线I_us_curve沿x轴方向像素点对应数值。最后，通过提取x轴方向单位时间长度所对应的像素数对I_us_curve进行采样得到两个连续心动周期血流速度波形的离散时间点流速数据V_i(x，t)，i＝[1,2]，V_1(x，t)表示左侧颈外动脉流速数据，V_2(x，t)表示右侧颈外动脉流速数据；

0维电路模型包括，采用三元电路模型(R

其中，Q代表血流速度，P代表血流压力，C代表血管顺应性C＝9.45×10

P＝QR

其中，总阻力R

R

其中，设比值θ为常数，可推导各出流边界电路模型的R1和R2值。

作为本发明的优选实施方式，具体的，流体控制方程Navier-Stokes方程组，包括，

其中，ρ为密度，u为流速，p为压力，μ为黏度系数，f为外力。流体采用非牛顿流体，粘度系数μ通过Carreau模型计算：

其中，μ

作为本发明的优选实施方式，具体的，求解脑动脉供血权重PI的过程包括，

通过中心线计算血管解剖结构中心线法向直径均值d1_i，提取目测颈内动脉狭窄处d1最小值d1_1，提取d1_1近端和远端4厘米处d1，记为d1

同时，计算压力比值P：

然后，在基底动脉提取v

dv＝v

且计算获取v

构建脑动脉供血权重PI：

其中，κ表示颈内动脉颅外段狭窄个数，φ为常数取值3.729，l为基底动脉中心线长度，δ为常数取值为124.2，SS为典型数值计算公式，上标φ为实验参数，下标与公式中求和号对应多个SS的序号。

作为本发明的优选实施方式，具体的，所述第一阈值为0.88。当PI>0.88，颈动脉狭窄引起血管解剖结构供血功能异常，告知相关医护人员予以重视。

本发明还提出基于多模态医学影像数据的供血功能异常评估装置，包括以下：

数据获取模块，用于获取医疗影像数据；

三维模型建立模块，用于基于所述医疗影像数据建立三维模型；

有限元网格划分模块，用于对所述三维模型进行有限元网格划分；

边界定义模块，用于根据边界条件策略对所述有限元网格定义边界；

数据导入模块，用于将定义边界后的有限元网格导入Comsol CFD模块，求解对应的流体控制方程Navier-Stokes方程组；

异常风险判断模块，用于结合Navier-Stokes方程组的求解结果以及预设的计算过程求解脑动脉供血权重PI，判断PI是否大于第一阈值，若是则判断存在供血功能异常风险，并将脑动脉供血权重PI告知医护人员。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例中的方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储的介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。

尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。

以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。