血流参数计算系统、装置及存储介质的制作方法

1.本发明涉及医学图像处理技术领域，尤其涉及一种血流参数计算系统、装置及存储介质。


背景技术：

2.现有技术通常采用快速流体力学仿真算法(fast fluid dynamics，简称ffd)或流体动力学方法(computational fluid dynamics，简称cfd)算法计算血流参数，比如血流速度。无论是ffd算法，还是cfd算法，数据运算量均比较大。这导致了现有技术很难提高血流速度的确定速度。


技术实现要素：

3.本发明提供了一种血流参数计算系统、装置及存储介质，以解决现有技术存在血流参数确定较慢的问题。
4.根据本发明的一方面，提供了一种血流参数计算系统，该系统包括处理器，该处理器被配置为执行以下方法，该方法包括：
5.获取目标血管图像，所述目标血管图像中的目标血管被划分为设定网格数量的网格；
6.在基于快速流体力学仿真算法计算所述目标血管对应的血流速度的过程中，针对各网格，确定当前网格在目标时刻的初始血流速度；
7.根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度；
8.将所述第一血流速度或者所述第一血流速度的二阶偏导数输入已训练的映射模型，以得到所述当前网格在设定时刻的粘性力值；
9.根据所述设定时刻的粘性力值确定所述当前网格在下一目标时刻的初始血流速度，并返回所述根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度的步骤，直至所述下一目标时刻为设定结束时刻；其中，所述目标时刻、所述第一子时刻与所述下一目标时刻顺序到达。
10.根据本发明的另一方面，提供了一种血流参数计算装置，包括：
11.获取模块，用于获取目标血管图像，所述目标血管图像中的目标血管被划分为设定网格数量的网格；
12.初始血流速度模块，用于在基于快速流体力学仿真算法计算所述目标血管对应的血流速度的过程中，针对各网格，确定当前网格在目标时刻的初始血流速度；
13.第一血流速度模块，用于根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度；
14.映射模块，用于将所述第一血流速度或者所述第一血流速度的二阶偏导数输入已训练的映射模型，以得到所述当前网格在设定时刻的粘性力值；
15.迭代模块，用于根据所述设定时刻的粘性力值确定所述当前网格在下一目标时刻
的初始血流速度，并返回所述根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度的步骤，直至所述下一目标时刻为设定结束时刻；其中，所述目标时刻、所述第一子时刻与所述下一目标时刻顺序到达。
16.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现以下方法：
17.获取目标血管图像，所述目标血管图像中的目标血管被划分为设定网格数量的网格；
18.在基于快速流体力学仿真算法计算所述目标血管对应的血流速度的过程中，针对各网格，确定当前网格在目标时刻的初始血流速度；
19.根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度；
20.将所述第一血流速度或者所述第一血流速度的二阶偏导数输入已训练的映射模型，以得到所述当前网格在设定时刻的粘性力值；
21.根据所述设定时刻的粘性力值确定所述当前网格在下一目标时刻的初始血流速度，并返回所述根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度的步骤，直至所述下一目标时刻为设定结束时刻；其中，所述目标时刻、所述第一子时刻与所述下一目标时刻顺序到达。
22.本发明实施例提供的血流参数计算系统的技术方案，将当前网格在第一子时刻的第一血流速度或者第一血流速度的二阶偏导数输入已训练的映射模型的方式，确定当前网格在设定时刻的粘性力值，根据该粘性力值确定当前网格在下一目标时刻的初始血流速度。相较于直接求解相应的粘性力项公式而言，在保证三维全局各场(如速度场，压力场)的准确性的前提下，大幅减少了数据运算量，提高了下一目标时刻的初始血流速度的确定速度，从而提高了当前网格在各时刻的血流速度的确定速度。
23.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
24.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。
25.图1是根据本发明实施例提供的血流参数计算系统的结构示意图；
26.图2是根据本发明实施例提供的血流参数计算方法的流程图；
27.图3是根据本发明实施例提供的模型训练方法的流程图；
28.图4是根据本发明实施例提供的血流参数计算装置的结构示意图。
具体实施方式
29.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人
员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
30.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
31.在详细阐述本发明技术方案之前，先介绍基于ffd算法计算血流速度的公式，具体如下：
[0032][0033]
其中，i、j分别为爱因斯坦求和约定中的自由指标与哑标。本实施例中，i为对应设定方向，u为血流速度；ui表示设定方向上的血流速度，v表示运动粘度，具体为：u为动力粘度，ρ表示密度，p表示流体静压，xj表示(空间坐标，j为哑标)，xi表示空间坐标，fi表示体积力项
[0034]
上述公式的离散形式可表示为：
[0035][0036]
其中，n表示目标时刻，n+1表示下一个目标时刻。
[0037]
需要说明的是，本实施例只关注时间维度上的离散。
[0038]
将公式(2)中相邻两目标时刻之间的时间间隔进一步划分，可分解成以下三步，具体为：
[0039]
方程1为：
[0040][0041]
方程1离散后为：
[0042][0043]
其中，表示第一子时刻的血流速度，第一子时刻位于目标时刻与下一目标时刻之间。
[0044]
方程2为：
[0045]
[0046]
其中，第二子时刻的血流速度；为粘性力项。第二子时刻位于目标时刻对应的第一子时刻与下一目标时刻之间。
[0047]
可以理解的是，由于该公式左右分别包括以及的二阶偏导，因此基于该公式确定的数据运算量较大，这也是是导致基于ffd算法确定血流速度出现运算量较大的主要原因。
[0048]
方程3为：
[0049][0050]
其中，为压力项。
[0051]
将方程1、方程2与方程3叠加，得到一下结果：
[0052][0053]
可以看出，右边第二项的数值发生了变化，该变化会带来些许误差，但在很多场景下，该误差是可以接收的。
[0054]
图1示出了可以用来实施本发明的实施例的血流参数计算系统10的结构示意图。血流参数计算系统旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。血流参数计算系统还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0055]
如图1所示，血流参数计算系统10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储血流参数计算系统10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
[0056]
血流参数计算系统10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许血流参数计算系统10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0057]
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适
当的处理器、控制器、微控制器等。处理器11执行下文所描述的各个方法和处理，例如血流参数计算方法。
[0058]
图2为本发明实施例提供了一种血流参数计算方法的流程图，本实施例可适用于基于目标血管图像确定血流速度的情况，该方法可以由血流参数计算装置来执行，该血流参数计算装置可以采用硬件和/或软件的形式实现，该血流参数计算装置可配置于处理器中。如图2所示，该方法包括：
[0059]
s110、获取目标血管图像，目标血管图像中的目标血管被划分为设定网格数量的网格。
[0060]
其中，目标血管图像为包括目标血管的临床医学图像。比如ct图像、dsa图像、磁共振图像等。
[0061]
其中，目标血管为用于计算血流速度的血管。
[0062]
网格的数量与血流速度的计算结果的精度有关，其值越大，血流速度的精度越高，数量越小，精度越低。本实施例不对该设定数量做具体地限定，用户可根据实际需求自行设置。
[0063]
s120、在基于快速流体力学仿真算法计算目标血管对应的血流速度的过程中，针对各网格，确定当前网格在目标时刻的初始血流速度。
[0064]
本实施例中，公式(4)中的表示当前网格在目标时刻的初始血流速度，n表示目标时刻或者当前时刻。
[0065]
s130、根据初始血流速度确定当前网格在第一子时刻的第一血流速度。
[0066]
基于公式(4)，根据当前网格对应的初始血流速度，确定当前网格在第一子时刻的第一血流速度，即
[0067]
在一个实施例中，公式(4)可变形为该变形公式称为速度的物质导数公式。可以理解的是，当前网格在目标时刻的初始血流速度确定后，基于公式(4)或该速度的物质导数公式可以确定当前网格在第一子时刻的第一血流速度。
[0068]
s140、将第一血流速度或者第一血流速度的二阶偏导数输入已训练的映射模型，以得到当前网格在设定时刻的粘性力值。
[0069]
其中，设定时刻为下一目标时刻，或者目标时刻对应的第二子时刻。目标时刻、第一子时刻、第二子时刻与下一目标时刻顺序到达。
[0070]
在一个实施例中，相邻两目标时刻被对应的第一子时刻、第二子时刻等间隔地划分成3个相等的时长。
[0071]
本步骤旨在通过ffd算法耦合机器学习方法，将解方程组的问题解耦为显式推进方法，使用机器学习模型解决粘性力项计算复杂的问题，在保证了三维全局各场(如速度场，压力场)准确性的同时，极大提升了血流虚度的计算效率。
[0072]
在一个实施例中，设定时刻为目标时刻对应的第二子时刻。将当前网格在第一子时刻的第一血流速度输入已训练的映射模型，以得到当前网格在第二子时刻的粘性力值，即(粘性力项)整体对应的数值。可以理解的是，该已训练的映射模型用于将当前网
格在第一子时刻的第一血流速度映射成对应的第二子时刻的粘性力值，具体可表示为：
[0073][0074]
在一个实施例中，设定时刻为目标时刻对应的第二子时刻。将当前网格在第一子时刻的第一血流速度的二阶偏导数输入已训练的映射模型，以得到当前网格在第二子时刻的粘性力值，即(粘性力项)整体对应的数值。可以理解的是，该已训练的映射模型可以将当前网格在第一子时刻的第一血流速度的二阶偏导数映射成对应的第二子时刻的粘性力值，具体可表示为：
[0075][0076]
在一个实施例中，设定时刻为下一目标时刻。将当前网格在第一子时刻的第一血流速度的二阶偏导数输入已训练的映射模型，以得到当前网格在下一目标时刻的粘性力值，即(粘性力项)整体对应的数值。可以理解的是，该已训练的映射模型可以将当前网格在第一子时刻的第一血流速度的二阶偏导数映射成对应的第二子时刻的粘性力值，具体可表示为：
[0077][0078]
s150、根据设定时刻的粘性力值确定当前网格在下一目标时刻的初始血流速度，并返回根据初始血流速度确定当前网格在第一子时刻的第一血流速度的步骤，直至下一目标时刻为设定结束时刻；其中，目标时刻、第一子时刻与下一目标时刻顺序到达。
[0079]
在一个实施例中，将一个流场对应的时刻作为一个目标时刻，设定结束时刻为最后一个流场对应的目标时刻。其中，流场是指血液运动所占据的空间。
[0080]
当前网格在第二子时刻对应的粘性力值确定后，根据该粘性力值可以确定出当前网格在第二子时刻的第二血流速度；根据公式(6)以及当前网格在第二子时刻的第二血流速度，确定当前网格在下一目标时刻的初始血流速度。通过提高当前网格在第二子时刻对应的粘性力值的确定速度，提高了当前网格在第二子时刻的第二血流速度的确定速度，从而提高了当前网格在下一目标时刻的初始血流速度的确定速度。
[0081]
当前网格在下一目标时刻对应的粘性力值确定后，根据该粘性力值确定当前网格在该下一目标时刻的初始血流速度。通过提高当前网格在下一目标时刻的粘性力值的确定速度，提高了当前网格在下一目标时刻的初始血流速度的确定速度。
[0082]
在一个实施例中，确定各网格在各时刻的血流速度确定后，确定血流在设定方向上的压力，根据血流速度和/或该压力确定血管任意位置在任意时刻的目标动力学参数，比如粘性力值、流量、壁面剪切应力、斑块轴向应力中的至少一项。其中，血流在设定方向上的压力的确定方法包括：获取血流在设定方向上的静压与血流密度，根据血流在设定方向上的静压与血流密度确定血流在设定方向上的压力，具体参见公式(6)中的压力项。通过提高
血流速度的确定速度，提高了基于血流速度确定其他动力学参数的速度。
[0083]
本发明实施例提供的血流参数计算系统的技术方案，将当前网格在第一子时刻的第一血流速度或者第一血流速度的二阶偏导数输入已训练的映射模型的方式，确定当前网格在设定时刻的粘性力值，根据该粘性力值确定当前网格在下一目标时刻的初始血流速度。相较于直接求解相应的粘性力项公式而言，在保证三维全局各场(如速度场，压力场)的准确性的前提下，大幅减少了数据运算量，提高了下一目标时刻的初始血流速度的确定速度，从而提高了当前网格在各时刻的血流速度的确定速度。
[0084]
图3为本发明实施例提供的映射模型训练方法的流程图。本实施例用于对映射模型进行训练以得到前述实施例中的已训练的映射模型。该方法包括：
[0085]
s2001、获取训练样本集合，训练样本集合包括设定样本数量的训练样本，训练样本包括标签与流体数据，流体数据包括基于快速流体力学仿真算法确定的各网格在第一子时刻的第一血流速度或者第一血流速度的二阶偏导数，标签包括基于流体动力学方法确定的各网格在设定时刻的粘性力值。
[0086]
可以理解的是，设定样本数量越大，训练后的映射模型，即已训练的映射模型的稳健性与可泛化性就越高。本实施例不对设定样本数量做具体限定，实际模型训练时，用户可根据实际情况自行设定。
[0087]
一个训练样本对应一个目标对象的目标血管图像。采用ffd算法对其进行血流仿真，并保存各网格在各目标时刻以及各目标时刻对应的第一子时刻与第二子时刻的血流速度。在基于ffd算法得到各网格在各目标时刻以及各目标时刻对应的第一子时刻与第二子时刻的血流速度的情况下，将各时刻的血流速度作为输入数据输入cfd算法，以得到各网格在各目标时刻以及各目标时刻对应的第一子时刻与第二子时刻的目标血流速度。根据各网格在各目标时刻以及各目标时刻对应的第一子时刻与第二子时刻的目标血流速度，确定各网格在各目标时刻以及各目标时刻对应的第一子时刻与第二子时刻的粘性力值。
[0088]
在一个实施例中，将基于ffd算法得到的各网格在各目标时刻对应的第一子时刻的血流速度，即第一血流速度作为训练样本的流体数据；将基于cfd算法得到的各网格在各目标时刻对应的第二子时刻的粘性力值作为训练样本的标签。
[0089]
在一个实施例中，将基于ffd算法得到的各网格在各目标时刻对应的第一子时刻的血流速度的二阶偏导数，即第一血流速度的二阶偏导数作为训练样本的流体数据将基于cfd算法得到的各网格在各目标时刻对应的第二子时刻的粘性力值作为训练样本的标签。
[0090]
在一个实施例中，将基于ffd算法得到的各网格在各目标时刻对应的第一子时刻的血流速度的二阶偏导数，即第一血流速度的二阶偏导数作为训练样本的流体数据；将基于cfd算法得到的各网格在下一目标时刻的粘性力值作为训练样本的标签。
[0091]
可以理解的是，由于cfd算法的精度高于ffd算法的精度，因此将基于cfd算法确定的各网格在各目标时刻对应的第二子时刻的粘性力值作为训练样本的标签，可以保证训练样本的有效性，从而保证模型训练的准确性。
[0092]
s2002、将训练样本集合中的训练样本输入映射模型，以使映射模型在训练过程中完成网络参数的优化以得到已训练的映射模型。
[0093]
将训练样本输入映射模型，该映射模型基于预测的粘性力值与标签中的粘性力值反向优化模型网络参数，直至模型网络参数符合设定阈值条件，完成映射模型的模型训练，
得到已训练的映射模型。
[0094]
本发明实施例采用基于ffd算法进行血流仿真的形式确定训练样本的流体数据，基于cfd算法与ffd算法结合进行血流仿真的形式确定训练样本的标签，保证了训练样本设置的准确性，从而保证了已训练的映射模型的准确性与可泛化性。
[0095]
图4为本发明实施例提供的血流参数计算装置的结构示意图。如图4所示，该装置包括：
[0096]
获取模块41，用于获取目标血管图像，所述目标血管图像中的目标血管被划分为设定网格数量的网格；
[0097]
初始血流速度模块42，用于在基于快速流体力学仿真算法计算所述目标血管对应的血流速度的过程中，针对各网格，确定当前网格在目标时刻的初始血流速度；
[0098]
第一血流速度模块43，用于根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度；
[0099]
映射模块44，用于将所述第一血流速度或者所述第一血流速度的二阶偏导数输入已训练的映射模型，以得到所述当前网格在设定时刻的粘性力值；
[0100]
迭代模块45，用于根据所述设定时刻的粘性力值确定所述当前网格在下一目标时刻的初始血流速度，并返回所述根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度的步骤，直至所述下一目标时刻为设定结束时刻；其中，所述目标时刻、所述第一子时刻与所述下一目标时刻顺序到达。
[0101]
在一个实施例中，所述设定时刻为下一目标时刻，或者，所述目标时刻对应的第二子时刻，所述第一子时刻、所述第二子时刻与所述下一目标时刻顺序到达。
[0102]
在一个实施例中，所述设定时刻为所述目标时刻对应的第二子时刻。迭代模块45具体用于：
[0103]
根据所述粘性力值确定所述当前网格在第二子时刻的第二血流速度；
[0104]
根据所述当前网格在第二子时刻的第二血流速度，确定所述当前网格在下一目标时刻的初始血流速度。
[0105]
在一个实施例中，所述设定时刻为所述下一目标时刻。迭代模块45具体用于：
[0106]
根据所述当前网格在所述下一目标时刻的粘性力值，确定所述当前网格在所述下一目标时刻的初始血流速度。
[0107]
在一个实施例中，该装置还包括参数确定模块，该参数确定模块用于：
[0108]
确定血流在设定方向上的压力；
[0109]
基于所述血流速度和/或所述压力确定所述设定方向上的目标动力学参数，所述目标动力学参数包括粘性力值、流量、壁面剪切应力、斑块轴向应力中的至少一项。
[0110]
在一个实施例中，第一血流速度模块具体用于基于速度的物质导数公式与所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度。
[0111]
在一个实施例中，该装置还包括模型训练模块，该模型训练模块包括：
[0112]
获取训练样本集合，所述训练样本集合包括设定样本数量的训练样本，所述训练样本包括标签与流体数据，所述流体数据包括基于快速流体力学仿真算法确定的各网格在第一子时刻的第一血流速度或者所述第一血流速度的二阶偏导数，所述标签包括基于cfd仿真方法确定的各网格在所述设定时刻的粘性力值；
[0113]
将所述训练样本集合中的训练样本输入映射模型，以使所述映射模型在训练过程中完成网络参数的优化以得到已训练的映射模型。
[0114]
在一个实施例中，所述第一血流速度对应的标签为所述目标时刻对应的第二子时刻的粘性力值；
[0115]
所述第一血流速度的二阶偏导对应的标签为所述目标时刻对应的第二子时刻的粘性力值或下一目标时刻的粘性力值。
[0116]
本发明实施例提供的血流参数计算装置的技术方案，本发明实施例提供的血流参数计算系统的技术方案，将当前网格在第一子时刻的第一血流速度或者第一血流速度的二阶偏导数输入已训练的映射模型的方式，确定当前网格在设定时刻的粘性力值，根据该粘性力值确定当前网格在下一目标时刻的初始血流速度。相较于直接求解相应的粘性力项公式而言，在保证三维全局各场(如速度场，压力场)的准确性的前提下，大幅减少了数据运算量，提高了下一目标时刻的初始血流速度的确定速度，从而提高了当前网格在各时刻的血流速度的确定速度。
[0117]
本发明实施例所提供的血流参数计算装置可执行本发明任意实施例所提供的血流参数计算方法，具备执行方法相应的功能模块和有益效果。
[0118]
在一些实施例中，血流参数计算方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到血流参数计算系统上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的血流参数计算方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行血流参数计算方法。
[0119]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0120]
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0121]
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电
气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0122]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
[0123]
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
[0124]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0125]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种血流参数计算系统，其特征在于，该系统包括处理器，该处理器被配置为执行以下方法，该方法包括：获取目标血管图像，所述目标血管图像中的目标血管被划分为设定网格数量的网格；在基于快速流体力学仿真算法计算所述目标血管对应的血流速度的过程中，针对各网格，确定当前网格在目标时刻的初始血流速度；根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度；将所述第一血流速度或者所述第一血流速度的二阶偏导数输入已训练的映射模型，以得到所述当前网格在设定时刻的粘性力值；根据所述设定时刻的粘性力值确定所述当前网格在下一目标时刻的初始血流速度，并返回所述根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度的步骤，直至所述下一目标时刻为设定结束时刻；其中，所述目标时刻、所述第一子时刻与所述下一目标时刻顺序到达。2.根据权利要求1所述的系统，其特征在于，所述设定时刻为下一目标时刻，或者，所述目标时刻对应的第二子时刻，所述第一子时刻、所述第二子时刻与所述下一目标时刻顺序到达。3.根据权利要求2所述的系统，其特征在于，所述设定时刻为所述目标时刻对应的第二子时刻，所述根据所述粘性力值确定所述当前网格在下一目标时刻的初始血流速度，包括：根据所述粘性力值确定所述当前网格在第二子时刻的第二血流速度；根据所述当前网格在第二子时刻的第二血流速度，确定所述当前网格在下一目标时刻的初始血流速度。4.根据权利要求2所述的系统，其特征在于，所述设定时刻为所述下一目标时刻，所述根据所述粘性力值确定所述当前网格在下一目标时刻的初始血流速度，包括：根据所述当前网格在所述下一目标时刻的粘性力值，确定所述当前网格在所述下一目标时刻的初始血流速度。5.根据权利要求1所述的系统，其特征在于，还包括：确定血流在设定方向上的压力；基于所述血流速度和/或所述压力确定所述设定方向上的目标动力学参数，所述目标动力学参数包括粘性力值、流量、壁面剪切应力、斑块轴向应力中的至少一项。6.根据权利要求1所述的系统，其特征在于，所述根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度，包括：基于速度的物质导数公式与所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度。7.根据权利要求1所述的系统，其特征在于，通过以下步骤确定已训练的映射模型，包括：获取训练样本集合，所述训练样本集合包括设定样本数量的训练样本，所述训练样本包括标签与流体数据，所述流体数据包括基于快速流体力学仿真算法确定的各网格在第一子时刻的第一血流速度或者所述第一血流速度的二阶偏导数，所述标签包括基于流体动力学方法确定的各网格在所述设定时刻的粘性力值；将所述训练样本集合中的训练样本输入映射模型，以使所述映射模型在训练过程中完
成网络参数的优化以得到已训练的映射模型。8.根据权利要求7所述的系统，其特征在于，所述第一血流速度对应的标签为所述目标时刻对应的第二子时刻的粘性力值；所述第一血流速度的二阶偏导对应的标签为所述目标时刻对应的第二子时刻的粘性力值或下一目标时刻的粘性力值。9.一种血流参数计算装置，其特征在于，包括：获取模块，用于获取目标血管图像，所述目标血管图像中的目标血管被划分为设定网格数量的网格；初始血流速度模块，用于在基于快速流体力学仿真算法计算所述目标血管对应的血流速度的过程中，针对各网格，确定当前网格在目标时刻的初始血流速度；第一血流速度模块，用于根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度；映射模块，用于将所述第一血流速度或者所述第一血流速度的二阶偏导数输入已训练的映射模型，以得到所述当前网格在设定时刻的粘性力值；迭代模块，用于根据所述设定时刻的粘性力值确定所述当前网格在下一目标时刻的初始血流速度，并返回所述根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度的步骤，直至所述下一目标时刻为设定结束时刻；其中，所述目标时刻、所述第一子时刻与所述下一目标时刻顺序到达。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时以下方法：获取目标血管图像，所述目标血管图像中的目标血管被划分为设定网格数量的网格；在基于快速流体力学仿真算法计算所述目标血管对应的血流速度的过程中，针对各网格，确定当前网格在目标时刻的初始血流速度；根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度；将所述第一血流速度或者所述第一血流速度的二阶偏导数输入已训练的映射模型，以得到所述当前网格在设定时刻的粘性力值；根据所述设定时刻的粘性力值确定所述当前网格在下一目标时刻的初始血流速度，并返回所述根据所述初始血流速度确定所述当前网格在第一子时刻的第一血流速度的步骤，直至所述下一目标时刻为设定结束时刻；其中，所述目标时刻、所述第一子时刻与所述下一目标时刻顺序到达。

技术总结
本发明公开了一种血流参数计算系统、装置及存储介质。该系统包括处理器，该处理器被配置为执行以下方法，该方法包括：在基于快速流体力学仿真算法计算目标血管对应的血流速度的过程中，针对各网格，确定当前网格在目标时刻的初始血流速度；根据初始血流速度确定当前网格在第一子时刻的第一血流速度；将第一血流速度或者第一血流速度的二阶偏导数输入已训练的映射模型，以得到当前网格在设定时刻的粘性力值；根据设定时刻的粘性力值确定当前网格在下一目标时刻的初始血流速度，并返回当前网格在第一子时刻的第一血流速度的步骤，直至下一目标时刻为设定结束时刻。本发明实施例的技术方案，达到了提高血流速度确定速度的技术效果。果。果。


技术研发人员：阮伟程 杨帆 兰宏志 马骏 郑凌霄
受保护的技术使用者：深圳睿心智能医疗科技有限公司
技术研发日：2023.06.20
技术公布日：2023/9/12