血管狭窄率、栓塞等级确定方法、装置及存储介质与流程

1.本发明涉及计算机辅助医疗技术领域，尤其涉及一种血管狭窄率、栓塞等级确定方法、装置及存储介质。


背景技术：

2.血管中时常会出现不同类型的栓子，从而导致血管呈现不同程度的狭窄情况以及不同程度的栓塞。不同程度的狭窄情况对人类的身体健康会造成不同程度的威胁。
3.相关技术中，采用深度学习算法对栓子和血管的语义分割，以通过检测定位栓子确定血管的狭窄情况。然而，除了检测定位栓子之外，血管的狭窄率也是确定血管狭窄情况的一个重要指标，因此需要提出一种血管狭窄率的确定方法。


技术实现要素：

4.本说明书实施方式旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本说明书实施方式提出一种血管狭窄率、栓塞等级确定方法、装置及存储介质。
5.本说明书实施方式提供一种血管狭窄率确定方法，所述方法包括：
6.获取血管图像；其中，所述血管图像包括病灶；所述病灶所处的目标血管对应有目标平面；所述目标平面与所述病灶相交；
7.基于所述目标平面与所述目标血管的第一相交数据以及所述目标平面与所述病灶的第二相交数据确定所述目标血管的血管狭窄率。
8.在其中一个实施方式，所述目标平面包括所述目标血管的法平面；所述法平面的确定方式，包括：
9.基于血管图像确定所述病灶的病灶位置数据；其中，所述目标血管对应有血管中心点；
10.根据所述病灶位置数据以及所述血管中心点的点位置数据，在所述血管中心点中确定与所述病灶相交的目标中心点；
11.基于所述目标中心点包括相邻的两个目标中心点确定所述法平面。
12.在其中一个实施方式，所述确定所述病灶的病灶位置数据，包括：
13.通过第一对称网络模型对所述血管图像进行分割处理，确定所述血管图像包括的病灶以及所述病灶位置数据。
14.在其中一个实施方式，所述血管中心点的确定方式包括：
15.通过第二对称网络模型对所述血管图像进行分割处理，得到所述目标血管对应的血管分割结果；
16.基于所述血管分割结果提取所述目标血管的血管中心点。
17.在其中一个实施方式，所述基于所述血管分割结果提取所述目标血管的血管中心点，包括：
18.基于所述血管分割结果进行细化迭代处理，得到所述目标血管的血管中心点以及
所述点位置数据。
19.在其中一个实施方式，所述第一相交数据为所述目标平面与所述目标血管的第一相交面积，所述第二相交数据为所述目标平面与所述病灶的第二相交面积；所述基于所述目标平面与所述目标血管的第一相交数据以及所述目标平面与所述病灶的第二相交数据确定所述目标血管的血管狭窄率，包括：
20.利用所述第二相交面积与所述第一相交面积进行比例计算，得到所述血管狭窄率。
21.在其中一个实施方式，在所述基于所述目标平面与所述目标血管的第一相交数据以及所述目标平面与所述病灶的第二相交数据确定所述目标血管的血管狭窄率之前，所述方法还包括：
22.基于所述目标血管的直径、所述血管图像中的像素大小在所述法平面的周围空间中确定相交情况统计范围；
23.在所述相交情况统计范围内统计所述目标血管的血管点的个数、所述病灶的病灶点的个数；其中，所述第一相交数据包括所述血管点的个数，所述第二相交数据包括所述病灶点的个数；
24.所述基于所述目标平面与所述目标血管的第一相交数据以及所述目标平面与所述病灶的第二相交数据确定所述目标血管的血管狭窄率包括：
25.利用所述病灶点的个数与所述血管点的个数进行比例计算，得到所述血管狭窄率。
26.在其中一个实施方式，所述血管狭窄率确定方法还包括：
27.获取用于评估病灶栓塞情况的等级评估所需参数；
28.根据所述等级评估所需参数以及所述目标血管的血管狭窄率对血管栓塞情况进行评级，确定栓塞等级数据。
29.在其中一个实施方式，所述等级评估所需参数包括所述病灶对应的实验室检查数据、影像组学参数、病灶体积数据中的至少一个；其中，所述影像组学参数是基于所述血管图像以及所述血管图像对应的病灶分割结果进行影像组学分析而得到的。
30.在其中一个实施方式，所述根据所述等级评估所需参数以及所述目标血管的血管狭窄率对血管栓塞情况进行评级，确定栓塞等级数据，包括：
31.基于所述实验室检查数据、所述目标血管的血管狭窄率、所述病灶体积数据、所述影像组学参数确定岭回归模型的特征数据；
32.根据所述岭回归模型的模型系数以及所述特征数据确定所述栓塞等级数据。
33.在其中一个实施方式，任意相邻的两个目标中心点对应有一条目标线段，所述目标平面包括所述目标线段对应一个法平面；所述基于所述目标平面与所述目标血管的第一相交数据以及所述目标平面与所述病灶的第二相交数据确定所述目标血管的血管狭窄率，包括：
34.针对每条目标线段，基于所述每条目标线段对应的法平面与所述目标血管的第一相交数据、所述每条目标线段对应的法平面与所述病灶的第二相交数据确定所述每条目标线段对应的部分狭窄率；
35.基于所述每条目标线段对应的部分狭窄率确定所述目标血管的血管狭窄率。
36.在其中一个实施方式，所述基于所述每条目标线段对应的部分狭窄率确定所述目标血管的血管狭窄率，包括：
37.在所述每条目标线段对应的部分狭窄率中确定值最大的目标狭窄率；
38.将所述目标狭窄率作为所述目标血管的血管狭窄率。
39.本说明书实施方式提供一种血管栓塞等级确定方法，所述方法包括：
40.获取目标对象的血管图像；其中，所述血管图像包括的目标血管对应有血管狭窄率；
41.获取所述血管图像中病灶对应的实验室检查数据和影像组学参数；
42.根据所述实验室检查数据、所述血管狭窄率、所述影像组学参数对所述目标对象的血管栓塞情况进行评级，确定所述目标对象的栓塞等级数据。
43.在其中一个实施方式，所述血管狭窄率是通过上述任一项实施方式所述的方法得到的。
44.本说明书实施方式提供一种血管狭窄率确定装置，所述装置包括：
45.血管图像获取模块，用于获取血管图像；其中，所述血管图像包括病灶；所述病灶所处的目标血管对应有目标平面；所述目标平面与所述病灶相交；
46.血管狭窄率确定模块，用于基于所述目标平面与所述目标血管的第一相交数据以及所述目标平面与所述病灶的第二相交数据确定所述目标血管的血管狭窄率。
47.本说明书实施方式提供一种血管栓塞等级确定装置，所述装置包括：
48.血管图像获取模块，用于获取目标对象的血管图像；其中，所述血管图像包括的目标血管对应有血管狭窄率；
49.检查数据和参数获取模块，用于获取所述血管图像中病灶对应的实验室检查数据和影像组学参数；
50.栓塞等级确定模块，用于根据所述实验室检查数据、所述血管狭窄率、所述影像组学参数对所述目标对象的血管栓塞情况进行评级，确定所述目标对象的栓塞等级数据。
51.本说明书实施方式提供一种医学成像设备，所述医学成像设备包括：存储器，以及与所述存储器通信连接的一个或多个处理器；所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行，以使所述一个或多个处理器实现上述任一项实施方式所述的方法的步骤。
52.本说明书实施方式提供计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项实施方式所述的方法的步骤。
53.本说明书实施方式提供一种计算机程序产品，所述计算机程序产品中包括指令，所述指令被计算机设备的处理器执行时，使得所述计算机设备能够执行上述任一项实施方式所述的方法的步骤。
54.上述实施方式中，获取包括病灶的血管图像，病灶所处的目标血管对应有与病灶相交的目标平面；基于目标平面与目标血管的第一相交数据以及目标平面与病灶的第二相交数据可以确定目标血管的血管狭窄率。以一种新的计算辅助方式实现血管狭窄率的计算，即通过目标平面与目标血管的第一相交数据以及该目标平面与病灶的第二相交数据确定目标血管的血管狭窄率，在临床诊断中更好地辅助医护人员进行血管栓塞的评估，准确地获知血管的栓塞情况。
附图说明
55.图1a为本说明书实施方式提供的血管狭窄率确定方法的流程示意图；
56.图1b为本说明书实施方式提供的确定法平面的流程示意图；
57.图1c为本说明书实施方式提供的经过调窗(纵隔窗)之后的肺部ctpa图像；
58.图1d为本说明书实施方式提供的确定目标中心点的示意图；
59.图1e为本说明书实施方式提供的血管狭窄率确定方法的流程示意图；
60.图2a为本说明书实施方式提供的肺栓塞(白色)分割三维示意图；
61.图2b为本说明书实施方式提供的第一对称网络模型的示意图；
62.图3a为本说明书实施方式提供的确定血管中心点的流程示意图；
63.图3b为本说明书实施方式提供的肺动脉分割三维示意图；
64.图4为本说明书实施方式提供的肺动脉血管的中心线示意图；
65.图5为本说明书实施方式提供的血管狭窄率计算流程图；
66.图6a为本说明书实施方式提供的血管狭窄率确定方法的流程示意图；
67.图6b为本说明书实施方式提供的法平面的周围空间的示意图；
68.图6c为本说明书实施方式提供的法平面的周围空间的示意图；
69.图6d为本说明书实施方式提供的法平面的周围空间的示意图；
70.图7为本说明书实施方式提供的血管狭窄率确定方法的流程示意图；
71.图8a为本说明书实施方式提供的确定栓塞等级数据的流程示意图；
72.图8b为本说明书实施方式提供的多参数回归模型的示意图；
73.图9为本说明书实施方式提供的血管狭窄率确定方法的流程示意图；
74.图10为本说明书实施方式提供的血管狭窄率确定方法的流程示意图；
75.图11为本说明书实施方式提供的该血管栓塞等级确定方法的流程示意图；
76.图12为本说明书实施方式提供的血管狭窄率确定方法的流程示意图；
77.图13为本说明书实施方式提供的肺栓塞严重程度评级的流程架构图；
78.图14为本说明书实施方式提供的血管狭窄率确定装置的示意图；
79.图15为本说明书实施方式提供的血管栓塞等级确定装置的示意图。
具体实施方式
80.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
81.血管(比如：肺动脉血管、冠状动脉血管、颈动脉血管、下肢血管等)时常会出现不同类型的栓子，从而导致血管呈现不同程度的狭窄，而不同类型的栓子和不同程度的狭窄与血管的异常情况密切相关，血管的异常情况与人类的身体健康密切相关。特别地，从呼吸临床和放射科医生的角度来看，血管的狭窄率同样是尤为重要的一个指标。因此，确定血管的狭窄率以及血管栓塞等级是至关重要的。
82.相关技术中，随着人工智能的兴起，人工智能开始应用于血管栓塞的检测识别，以便自主化地进行栓子的识别和检测。
83.相关技术中，采集主肺动脉最大直径(mpad)与升主动脉直径(aad)，计算主肺动脉
最大直径与升主动脉直径比值(r pa)，右心室与左心室短轴最大径比值(rvd/lvd)的差异，通过对比正常人和患者的r pa以及右心室与左心室短轴最大径比值(rvd/lvd)的差异，做相关性分析来判断正相关因素和负相关因素，以此来判断血管狭窄的程度。采用深度学习算法实现对栓子和血管的语义分割，可以检测和定位栓子。
84.然而，通过对比正常人和患者之间数据差异性的方法虽采用了多参数进行血管狭窄等级的评估，但是这种方式对血管狭窄等级的评估结果的解释性和泛化能力有待提高，并且该方法针对血管狭窄等级的诊断效率有待提升。另外，虽然采用深度学习算法对栓子和血管进行语义分割，实现对栓子的检测和定位，但是为了更好地辅助医护人员进行血管栓塞的评估，还需要提出新方法对血管狭窄等级进行预测评估。
85.基于此，本说明书实施方式提供一种血管狭窄率确定方法，获取包括病灶的血管图像，病灶所处的目标血管对应有与病灶相交的目标平面；基于目标平面与目标血管的第一相交数据以及目标平面与病灶的第二相交数据可以确定目标血管的血管狭窄率。以一种新的计算辅助方式实现血管狭窄率的计算，即通过目标平面与目标血管的第一相交数据以及该目标平面与病灶的第二相交数据确定目标血管的血管狭窄率，在临床诊断中更好地辅助医护人员进行血管栓塞的评估，准确地获知血管的栓塞情况手段。
86.示例性地，肺栓塞是威胁人类身体健康的疾病之一。肺栓塞是血液中的固态物质造成一支或多支肺动脉部分或完全阻塞，通常由血栓引起，也可由其他异物引起，但相对少见。急性肺栓塞有潜在致命性，约10％的患者在肺栓塞形成，出现症状的数小时内死亡，极少数存活者也会出现比较严重的慢性血栓栓塞性疾病。肺血栓栓塞是肺栓塞中最常见的类型，是指血栓堵塞肺动脉或其分支的一组疾病的总称。由于其较高的发病率及死亡率，急性肺血栓栓塞(pte)在全球非传染性疾病中占有重要的地位。随着老年人口数量的增多，pte的发病率逐年上升。
87.本说明书实施方式提供的方法可以应用于以下的应用场景中，目标血管可以是肺动脉，血管图像可以是肺部ctpa(ct下肺动脉造影检查)图像，病灶可以是肺动脉血管中的栓子，通过检测肺动脉血管的血管狭窄率、栓塞等级以此来进行肺栓塞的判定。ctpa是一种肺动脉的ct血管造影检查，在ct平扫基础上，对发现的可疑部位，在静脉注射造影剂后有重点地进行检查。需要说明的是，本说明书实施方式中的血管为具有栓塞分析需求的血管，其包括但不限于：冠状动脉血管、颈动脉血管、下肢血管等。此外，本说明书实施方式中的血管图像包括但不限于：电子计算机断层扫描(computedtomography，ct)图像、ct血管造影(ctangiography，cta)图像、磁共振成像(magneticresonanceimaging，mri)图像、正电子发射计算机断层显像-核磁共振成像(pet-mri)图像等。可选地，一系列2d图像可以从多个视角获取，并且被重建以形成3d图像(例如，使用锥形束计算机断层摄影重建(cbct)形成的一系列2dx射线图像)。
88.本说明书实施方式提供一种血管狭窄率确定方法，请参阅图1a，该血管狭窄率确定方法可以包括以下步骤：
89.s102、获取血管图像。
90.其中，血管图像包括病灶，血管图像可以是对血管进行检查所得到的医学图像，血管图像包括若干血管，将病灶所在的血管作为目标血管。病灶所处的目标血管对应有目标平面，目标平面与病灶相交，目标平面可以是与病灶相交的任一平面，比如目标平面可以是
血管的法平面、可以是血管中心线成70度夹角的平面、可以是血管中心线成110度夹角的平面。
91.具体地，当目标对象的扫描位置进入到医学成像设备所能检测到的区域范围时，通过医学成像设备可以获得目标对象的血管图像。
92.s104、基于目标平面与目标血管的第一相交数据以及目标平面与病灶的第二相交数据确定目标血管的血管狭窄率。
93.其中，第一相交数据用来量化地表示目标平面与目标血管之间的相交情况。第二相交数据用来量化地表示目标平面与病灶之间的相交情况。
94.具体地，通过目标平面与目标血管的相交情况，可以确定目标平面与目标血管之间的第一相交数据。通过目标平面与病灶的相交情况，可以确定目标平面与病灶之间的第二相交数据。然后对第一相交数据和第二相交数据进行计算可以得到目标血管的血管狭窄率。
95.上述血管狭窄率确定方法中，获取包括病灶的血管图像，病灶所处的目标血管对应有与病灶相交的目标平面；基于目标平面与目标血管的第一相交数据以及目标平面与病灶的第二相交数据可以确定目标血管的血管狭窄率。以一种新的计算辅助方式实现血管狭窄率的计算，即通过目标平面与目标血管的第一相交数据以及该目标平面与病灶的第二相交数据确定目标血管的血管狭窄率，为在临床诊断中更好地辅助医护人员进行血管栓塞的提供新的评估，准确地获知血管的栓塞情况手段。
96.在一些实施方式中，请参阅图1b，目标平面包括目标血管的法平面；法平面的确定方式，包括：
97.s106、基于血管图像确定病灶的病灶位置数据。
98.其中，目标血管对应有血管中心点。病灶可以是在目标血管内会造成血管阻塞的栓子。病灶位置数据可以用于表示血管图像中病灶的位置信息。
99.在一些情况下，目标血管用于血液流过，若目标血管的内部出现病灶，则病灶占用了目标血管中内用于血液流动的空间，因此，为了确定血管狭窄率，需要首先确定血管图像中病灶的位置数据。
100.具体地，获取血管图像，然后对血管图像进行病灶检测和识别，得到血管图像中病灶的病灶位置数据。另外，也可以预先已经对血管图像进行病灶检测和识别，并预先存储有病灶的病灶位置数据至存储单元，因此可以直接从存储单元中直接获取血管图像中病灶的病灶位置数据。
101.示例性地，血管图像可以是肺部ctpa图像，病灶可以是在血管中的栓子，目标血管可以是存在栓子的肺动脉血管。对肺部ctpa图像进行纵隔窗的调窗处理，提高栓子和其他组织的对比度，使栓子的特征更明显，可以得到图1c，图1c为经过调窗(纵隔窗)之后的肺部ctpa图像。将经过调窗处理的肺部ctpa图像输入到模型的一个分支中，对肺部ctpa图像进行分割处理，可以得到肺部ctpa图像包括的栓子的位置数据。
102.需要说明的是，不同部位、不同组织因为密度不同，x线吸收值就不同，窗宽、窗位的调节也不同，利用窗位和窗宽来选择感兴趣的ct值范围。调节窗宽主要影响对比度，窗宽大，图像层次多，组织对比减少，细节显示差；反之，窗宽小，图像层次减少，对比增强，细节显示显示佳。调节窗位主要影响图像亮度，窗位升高，图像变黑，反之变白。
103.s108、根据病灶位置数据以及血管中心点的点位置数据，在血管中心点中确定与病灶相交的目标中心点。
104.其中，目标中心点包括相邻的两个目标中心点，两个目标中心点对应有法平面。
105.在一些情况下，由于病灶占用了目标血管中内用于血液流动的空间，则病灶与目标血管内的血液流动空间存在一定的重叠，可以通过病灶与血液流动空间的重叠情况反映血管狭窄情况，因此，首先将目标血管抽象表示为血管中心点，然后通过确定血管中心点与病灶的相交情况，确定血管狭窄率。
106.具体地，根据血管中心点的点位置数据和病灶位置数据，可以确定在目标血管内的多个血管中心点里与病灶相交的血管中心点即目标中心点。
107.示例性地，请参阅图1d，图1d中的110为病灶所谓的位置，图1d中的点a、b、c、d、e、f、g、h为目标血管对应的血管中心点。根据血管中心点的点位置数据和病灶位置数据，可以确定血管中心点b、c、d、e为病灶与目标血管相交的血管中心点即目标中心点。
108.s110、基于目标中心点包括相邻的两个目标中心点确定法平面。
109.具体地，根据目标中心点相邻的两个中心点可以确定位于相邻的两个中心点之间的法平面。目标中心点如果为n(n》1)个，那么存在n-1个法平面。
110.示例性地，请参阅图1d，根据目标中心点b、c可以确定两点之间的中点i，可以在经过中点i位置处得到与线段bc垂直的法平面。根据目标中心点c、d可以确定两点之间的中点j，可以在经过中点j位置处得到与线段cd垂直的法平面。根据目标中心点d、e可以确定两点之间的中点k，可以在经过中点k位置处得到与线段de垂直的法平面。
111.上述血管狭窄率确定方法中，基于血管图像确定病灶的病灶位置数据；根据病灶位置数据以及血管中心点的点位置数据，在血管中心点中确定与病灶相交的目标中心点；基于目标中心点包括相邻的两个目标中心点确定法平面。通过确定法平面可以为后续确定第一相交数据和第二相交数据提供数据基础。
112.相应地，本实施方式中，请参阅图1e，该血管狭窄率确定方法可以包括以下步骤：
113.s112、基于血管图像确定所述病灶的病灶位置数据。
114.具体地，可以首先获取血管图像，然后对血管图像进行病灶检测和识别，得到血管图像中病灶的病灶位置数据。另外，也可以预先已经对血管图像进行病灶检测和识别，并预先存储有病灶的病灶位置数据至存储单元，因此可以直接从存储单元中直接获取血管图像中病灶的病灶位置数据。
115.s114、根据血管中心点的点位置数据以及病灶位置数据，在血管中心点中确定与病灶相交的目标中心点。
116.具体地，根据血管中心点的点位置数据和病灶位置数据，可以确定在目标血管内的多个血管中心点里与病灶相交的血管中心点即目标中心点。然后，根据目标中心点相邻的两个中心点可以确定位于相邻的两个中心点之间的法平面。目标中心点如果为n(n》1)个，那么存在n-1个法平面。
117.s116、基于法平面与目标血管的第一相交数据以及法平面与病灶的第二相交数据确定目标血管的血管狭窄率。
118.具体地，通过法平面与目标血管的相交情况，可以确定法平面与目标血管之间的第一相交数据。通过法平面与病灶的相交情况，可以确定法平面与病灶之间的第二相交数
据。然后对第一相交数据和第二相交数据进行计算可以得到目标血管的血管狭窄率。
119.上述血管狭窄率确定方法中，首先，基于血管图像确定血管图像包括的病灶位置数据和病灶所处的目标血管的血管中心点；其次，根据血管中心点的点位置数据以及病灶位置数据，在血管中心点中确定与病灶相交的目标中心点，并根据目标中心点包括的相邻的两个目标中心点确定两个目标中心点对应的法平面；最后，基于法平面与目标血管的第一相交数据以及法平面与病灶的第二相交数据确定目标血管的血管狭窄率。以一种新的计算辅助方式实现血管狭窄率的计算，即通过目标中心点对应的法平面与目标血管的第一相交数据以及该法平面与病灶的第二相交数据确定目标血管的血管狭窄率，为在临床诊断中更好地辅助医护人员进行血管栓塞的提供新的评估，准确地获知血管的栓塞情况手段。
120.在一些实施方式中，确定病灶的病灶位置数据，可以包括：通过第一对称网络模型对血管图像进行分割处理，确定血管图像包括的病灶以及病灶位置数据。
121.其中，第一对称网络模型可以是基于unet的网络模型。分割处理可以从血管图像中获得病灶的信息，比如从肺部ctpa图像中进行分割处理得到栓子的信息。
122.在一些情况下，检测血管图像中是否存在病灶，若血管图像中包含病灶，则需要继续进行后续的血管狭窄率的计算等处理操作，若血管图像中不包含病灶，则可以终止该处理操作，无需再进行后续的血管狭窄率的计算等处理操作。
123.具体地，将血管图像输入到第一对称网络模型，通过第一对称网络模型可以对血管图像进行分割处理，可以确定血管图像包括的病灶以及病灶的位置数据。
124.示例性地，将图1c经过调窗(纵隔窗)之后的肺部ctpa图像输入到第一对称网络模型中，通过第一对称网络模型可以对血管图像进行分割处理，可以得到图2a，图2a为对肺部ctpa图像进行分割处理得到的肺栓塞所在位置的示意图。请参阅图2a，图2a中的肺栓塞210和220为肺栓塞所在位置。经过第一对称网络模型同样可以确定肺栓塞210和220以及肺栓塞210和220的位置信息。
125.在一些实施方式中，请参阅图2b，第一对称网络模型可以是在unet网络结构的基础上，在下采样的过程中添加了cross attention(交叉注意力机制)。本实施例中的第一对称网络模型的输入为血管图像。cross attention是将两个相同维度的嵌入序列不对称地组合在一起，cross attention部分的其中的一个序列s1可以为图2b中的特征图230、特征图240、特征图250、特征图260。当序列s1为特征图230时，cross attention部分的另一个序列s2为图2b中的矩阵270；当序列s1为特征图240时，cross attention部分的另一个序列s2为图2b中的矩阵280；当s1为特征图250时，cross attention部分的另一个序列s2为图2b中的矩阵290；当序列s1为特征图250时，cross attention部分的另一个序列s2为图2b中的矩阵2110。其中，序列s1和序列s2的长度保持一致，矩阵270的数值为随机设置的，矩阵280为矩阵270降维至与特征图240长度保持一致的矩阵，矩阵290为矩阵280降维至与特征图250长度保持一致的矩阵，矩阵2110为矩阵290降维至与特征图260长度保持一致的矩阵。根据序列s1计算键k和值v，根据序列s2计算查询q。根据键k和查询q来计算注意力矩阵，将值v应用于注意力矩阵，得到的序列长度与s2一致。将基于序列s1与序列s2得到的序列再应用于s1。基本公式如下所示：soft((wqs2)(wks1)
t
)wvs1。请继续参阅图2b，whitening(白化操作)是一个后续处理特征的常用操作。需要经过whitening处理的数据一般都被relu激活，使得该数据处于0到正无穷的区间内。经过whitening处理可以将输入whitening的数据映射到
负无穷到正无穷的区间内，可以扩大特征表示的值域范围，包含更丰富的信息。
126.第一对称网络模型的标签可以为病灶的分割结果。然后基于第一对称网络模型得到的病灶的分割结果以及标签可以确定初始第一对称网络模型的损失值，基于模型损失值对初始第一对称网络模型进行参数的更新以及矩阵270的更新。以此类推，继续对更新后的初始第一对称网络模型进行训练，当达到模型训练停止条件时，可以得到目标第一对称网络模型。其中，模型训练停止条件可以是模型损失值趋于收敛，也可以是训练轮次达到预设的轮次数量。第一对称网络模型可以采用pytorch网络框架进行搭建，epoch设置为50，学习率设置为0.00001，通过batch-dice loss和positive-sample-dice loss两种损失函数来确定损失值，公式如下图所示：
[0127][0128][0129][0130]
其中，pi为预测结果，gi为实际标注结果，d为维度，n为样本个数。通过上述方法进行损失函数的计算可以减少背景信息过多造成的梯度爆炸以及对前景的病灶或者血管部分更好的收敛，提高针对小目标的分割效果。
[0131]
上述血管狭窄率确定方法中，通过第一对称网络模型对血管图像进行分割处理，确定血管图像包括的病灶以及病灶位置数据。以便后续进行血管狭窄率的计算。
[0132]
在一些实施方式中，请参阅图3a，血管中心点的确定方式可以包括以下步骤：
[0133]
s310、通过第二对称网络模型对血管图像进行分割处理，得到目标血管对应的血管分割结果。
[0134]
s320、基于血管分割结果提取目标血管的血管中心点。
[0135]
其中，第二对称网络模型可以是基于unet的网络模型。分割处理可以从血管图像中获得目标血管的血管分割结果，比如从肺部ctpa图像中进行分割处理得到肺动脉对应的血管分割结果。
[0136]
具体地，将血管图像输入到第二对称网络模型，通过第二对称网络模型可以对血管图像进行分割处理，可以确定血管图像中目标血管对应的血管分割结果。对血管分割结果进行血管中心点的提取，可以确定目标血管的血管中心点。
[0137]
示例性地，将图1c经过调窗(纵隔窗)之后的肺部ctpa图像输入到第二对称网络模型中，通过第二对称网络模型可以对血管图像进行分割处理，可以得到图3b，图3b为对肺部ctpa图像进行分割处理得到的肺动脉分割结果示意图。
[0138]
需要说明的是，肺动脉分割结果可以为二值图像(binary image)。二值图像为图像上的每一个像素只有两种可能的取值或灰度等级状态。经常用黑白、b&w、单色图像表示二值图像。二值图像中，灰度等级只有两种，也就是说，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色。
[0139]
在一些实施方式中，第二对称网络模型的结构与第一对称网络模型是一致的。都
为在unet网络结构的基础上，在下采样的过程中添加了cross attention(交叉注意力机制)。不同的是，第二对称网络模型的标签可以为目标血管的分割结果。然后基于第二对称网络模型得到的目标血管的分割结果以及标签可以确定初始第二对称网络模型的损失值，基于模型损失值对初始第二对称网络模型进行参数的更新以及对第一个所及设置的序列s2进行更新。以此类推，继续对更新后的初始第二对称网络模型进行训练，当达到模型训练停止条件时，可以得到目标第二对称网络模型。其中，模型训练停止条件可以是模型损失值趋于收敛，也可以是训练轮次达到预设的轮次数量。
[0140]
上述血管狭窄率确定方法中，通过第二对称网络模型对血管图像进行分割处理，得到目标血管对应的血管分割结果，基于血管分割结果提取目标血管的血管中心点。可以得到目标血管准确的轮廓，以及根据中心点可以确定中心线，根据中心线可以建立精确的血管树，以便后续得到精确的血管狭窄率。
[0141]
在一些实施方式中，基于血管分割结果提取目标血管的血管中心点可以包括：基于血管分割结果进行细化迭代处理，得到目标血管的血管中心点以及点位置数据。
[0142]
其中，细化迭代处理为反复进行细化处理运算。血管中心点以及点位置数据可以用来量化病灶与血管的相交情况。
[0143]
在一些情况下，通过对血管进行细化处理，可以确定中心点，通过中心点确定中心线。中心线的确定对血管疾病的治疗有着重要的意义，血管中心线可以用于血管疾病的分析和诊断。
[0144]
具体地，对血管分割结果进行反复的细化处理，可以得到目标血管的血管中心点，基于目标中心点可以确定各目标中心点的点位置数据。
[0145]
示例性地，使用itk库中的binarythinningimagefilter3d函数，对上述得到的肺动脉分割结果进行细化迭代处理，可以得到每根肺动脉对应的中心点坐标。请参阅图4，图4为肺动脉血管的中心线示意图。
[0146]
上述血管狭窄率确定方法中，基于血管分割结果进行细化迭代处理，得到目标血管的血管中心点以及点位置数据。可以得到目标血管准确的轮廓，以及根据中心点可以确定中心线，根据中心线可以建立精确的血管树，以便后续得到精确的血管狭窄率。
[0147]
在一些实施方式中，第一相交数据为目标平面与目标血管的第一相交面积，第二相交数据为目标平面与病灶的第二相交面积；基于目标平面与目标血管的第一相交数据以及目标平面与病灶的第二相交数据确定目标血管的血管狭窄率，包括：利用第二相交面积与第一相交面积进行比例计算，得到血管狭窄率。
[0148]
具体地，将目标平面与目标血管的相交面积确定为第一相交面积，将目标平面与病灶的相交面积确定为第二相交面积。将第二相交面积与第一相交面积进行比例计算，可以得到该血管狭窄率。
[0149]
本实施方式中，目标平面可以是法平面，则第一相交数据为法平面与目标血管的第一相交面积，第二相交数据为法平面与病灶的第二相交面积；基于法平面与目标血管的第一相交数据以及法平面与病灶的第二相交数据确定目标血管的血管狭窄率，可以包括：利用第二相交面积与第一相交面积进行比例计算，得到血管狭窄率。
[0150]
具体地，将法平面与目标血管的相交面积确定为第一相交面积，将法平面与病灶的相交面积确定为第二相交面积。将第二相交面积与第一相交面积进行比例计算，可以得
到该血管狭窄率。
[0151]
上述血管狭窄率确定方法中，利用第二相交面积与第一相交面积进行比例计算，得到血管狭窄率。提出一种新的血管狭窄率的计算方法，为临床诊断血管栓塞情况提供新的评估手段。
[0152]
本说明书实施方式还提供一种血管狭窄率确定方法，总体流程图请参阅图5，ctpa影像经过肺动脉分割后，再针对肺动脉分割结果进行血管中心点的提取。ctpa影像经过肺栓子分割可以得到肺栓子位置信息。基于肺栓子位置信息以及血管中心点的提取结果进行血管中心线拟合，经过血管中心线拟合可以得到与相邻两个中心点的切线垂直的平面。基于与切线垂直的平面可以得到肺栓塞与平面相交面积，基于与切线垂直的平面可以得到肺动脉与平面相交面积。将肺栓塞与平面相交面积除以肺动脉与平面相交面积可以得到血管狭窄率。
[0153]
在一些实施方式中，在基于目标平面与目标血管的第一相交数据以及目标平面与病灶的第二相交数据确定目标血管的血管狭窄率之前，方法还包括：基于目标血管的直径、血管图像中的像素大小在目标平面的周围空间中确定相交情况统计范围；在相交情况统计范围内统计目标血管的血管点的个数、病灶的病灶点的个数；其中，第一相交数据包括血管点的个数，第二相交数据包括病灶点的个数；相应地，基于目标平面与目标血管的第一相交数据以及目标平面与病灶的第二相交数据确定目标血管的血管狭窄率，包括：利用病灶点的个数与血管点的个数进行比例计算，得到血管狭窄率。
[0154]
具体地，在目标平面的周围空间中，沿着相邻的两个目标中心点所在的直线确定目标平面的上侧空间和下侧空间。根据血管图像中的像素大小分别在目标平面的上侧空间、下侧空间确定与法平面的统计距离。根据目标血管的直径在目标平面上确定统计面积。根据与目标平面的统计距离、目标平面上的统计面积确定相交情况统计范围。在目标平面的周围空间与病灶的相交情况所确定的相交统计范围内来确定病灶点的个数，在目标平面的周围空间与目标血管的相交情况所确定的相交统计范围内来确定血管点的个数。将病灶点的个数与血管点的个数进行比例计算，可以得到目标血管对应的血管狭窄率。
[0155]
本实施方式中，目标平面可以是法平面，则请参阅图6a，在基于法平面与目标血管的第一相交数据以及法平面与病灶的第二相交数据确定目标血管的血管狭窄率之前，血管狭窄率确定方法可以包括以下步骤：
[0156]
s610、基于目标血管的直径、血管图像中的像素大小在法平面的周围空间中确定相交情况统计范围。
[0157]
其中，像素用来表示图像的单位。法平面的周围空间可以根据实际情况进行设置。相交情况统计范围可以是法平面的周围空间与病灶或血管相交的范围。
[0158]
在一些情况下，病灶点与血管上点有部分是不与法平面重合的，因此可以针对法平面设定一个范围区间，在该范围区间内可以更准确地确定第一相交数据和第二相交数据。
[0159]
具体地，请参阅图6b，在法平面610的周围空间中，沿着相邻的两个目标中心点所在的直线620确定法平面的上侧空间630和下侧空间640。根据血管图像中的像素大小分别在法平面的上侧空间630、下侧空间640确定与法平面的统计距离。请参阅图6c，根据目标血管的直径以及直线620与法平面610的交点o在法平面610上确定统计面积。根据与法平面的
统计距离、法平面上的统计面积确定相交情况统计范围。示例性地，像素大小为p*p，目标血管的直径为d，以法平面上下各p/2的统计距离处，根据目标血管的直径d构建高度为p，直径为d的圆柱体，作为相交情况统计范围。示例性地，像素大小为p*p，目标血管的直径为d，以法平面上下各p/2的统计距离处，根据目标血管的直径d构建高度为p，长为d，宽为d的长方体，作为相交情况统计范围。
[0160]
示例性地，请参阅图6d，图6d中的b、c为目标中心点，图6d中的650为法平面。以法平面与线段bc相交的中心点为原点，在线段bc方向上以根据血管图像中的像素大小来确定法平面的周围空间，在法平面方向上以目标血管的直径来确定法平面的周围空间。通过法平面的周围空间可以确定在该周围空间与病灶和目标血管的相交情况统计范围。
[0161]
s620、在相交情况统计范围内统计目标血管的血管点的个数、病灶的病灶点的个数。
[0162]
相应地，基于法平面与目标血管的第一相交数据以及法平面与病灶的第二相交数据确定目标血管的血管狭窄率，包括：
[0163]
s630、利用病灶点的个数与血管点的个数进行比例计算，得到血管狭窄率。
[0164]
其中，第一相交数据包括血管点的个数，第二相交数据包括病灶点的个数。
[0165]
具体地，在法平面的周围空间与病灶的相交情况所确定的相交统计范围内来确定病灶点的个数，在法平面的周围空间与目标血管的相交情况所确定的相交统计范围内来确定血管点的个数。将病灶点的个数与血管点的个数进行比例计算，可以得到目标血管对应的血管狭窄率。
[0166]
上述血管狭窄率确定方法中，基于目标血管的直径、血管图像中的像素大小在法平面的周围空间中确定相交情况统计范围，在相交情况统计范围内统计目标血管的血管点的个数、病灶的病灶点的个数，利用病灶点的个数与血管点的个数进行比例计算，得到血管狭窄率。提出一种新的血管狭窄率的计算方法，为临床诊断血管栓塞情况提供新的评估手段。
[0167]
在一些实施方式中，请参阅图7，血管狭窄率确定方法还可以包括以下步骤：
[0168]
s710、获取用于评估病灶栓塞情况的等级评估所需参数。
[0169]
s720、根据等级评估所需参数以及目标血管的血管狭窄率对血管栓塞情况进行评级，确定栓塞等级数据。
[0170]
其中，病灶栓塞情况的等级可以根据实际情况进行设置。比如：可以将肺栓塞的等级设置为轻度、中度以及重度。栓塞等级数据用来表征病灶栓塞情况的等级。比如：1可以用来表征肺栓塞的等级设置为轻度，2可以用来表征肺栓塞的等级设置为中度，3可以用来表征肺栓塞的等级设置为重度。等级评估所需参数包括病灶对应的实验室检查数据、影像组学参数、病灶体积数据中的至少一个。病灶体积数据为所有病灶体积的总和。影像组学参数是基于血管图像以及血管图像对应的病灶分割结果进行影像组学分析而得到的。影像组学参数可以包括病灶的形态信息、病灶的一阶信息，病灶的形态信息和病灶的一阶信息均为病灶总体的信息。实验室检查数据可以包括血压、心率、d二聚体。血管狭窄率参数的个数与存在病灶的目标血管的个数是相同的。
[0171]
在一些情况下，由于血管栓塞可以导致血压下降、心率降低，因此血压和心率可以用来对血管栓塞情况进行评级，确定栓塞等级数据。血液中有纤维蛋白，纤维蛋白经过活化
和水解，产生特异的降解产物称为纤维蛋白降解产物。d二聚体是最简单的纤维蛋白降解产物，d二聚体水平升高说明人体内存在高凝状态和继发性的纤维蛋白溶解亢进。通常当d二聚体水平高于正常范围时，需要考虑人体内是否有存在血管栓塞。因此，d二聚体质量浓度可以用来进行血管栓塞等级的评估。影像组学参数包括病灶的参数信息，病灶的数据信息为进行血管栓塞等级评估的重要参数。
[0172]
具体地，获取用于评估病灶栓塞情况的等级评估所需参数，将等级评估所需参数以及目标血管的血管狭窄率输入到等级评估模型中，可以对血管栓塞情况进行评级，得到栓塞等级数据。
[0173]
示例性地，可以通过pyradiomics提取影像组学特征。通过对目标对象进行医疗检查可以确定实验室检查数据。
[0174]
上述血管狭窄率确定方法中，获取用于评估病灶栓塞情况的等级评估所需参数，根据等级评估所需参数以及目标血管的血管狭窄率对血管栓塞情况进行评级，确定栓塞等级数据。通过等级评估所需参数以及目标血管的血管狭窄率可以多方面地对血管栓塞情况进行评估，可以更精确地对血管栓塞情况进行评级。通过确定栓塞等级数据，可以辅助医护人员尽早发现血管栓塞严重的患者。
[0175]
在一些实施方式中，请参阅图8a，根据等级评估所需参数以及目标血管的血管狭窄率对血管栓塞情况进行评级，确定栓塞等级数据，可以包括以下步骤：
[0176]
s810、基于实验室检查数据、目标血管的血管狭窄率、病灶体积数据、影像组学参数确定岭回归模型的特征数据。
[0177]
s820、根据岭回归模型的模型系数以及特征数据确定栓塞等级数据。
[0178]
其中，岭回归模型是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。岭回归模型通过降低精度来提高泛化性，岭回归模型适合用于病态数据的拟合。
[0179]
具体地，将实验室检查数据、目标血管的血管狭窄率、病灶体积数据、影像组学参数确定为岭回归模型的特征数据，将实验室检查数据、目标血管的血管狭窄率、病灶体积数据、影像组学参数这些特征数据输入到岭回归模型中，通过岭回归模型，根据岭回归模型的模型系数以及特征数据可以确定栓塞等级数据。
[0180]
需要说明的是，在岭回归模型的训练过程中，标签为通过医生进行确定的目标对象的目标血管的栓塞等级数据。首先对临床参数及定性参数进行定量编码，共确定了栓子体积、血管狭窄率、栓子影像组学信息中的一阶特征，栓子影像组学信息中的形状特征、血压、心率、d二聚体七组参数。岭回归模型，其基本公式为：y＝θ0x0+θ1x1+θ2x2+
…
+θnxn，其中，θ为模型系数，可以理解为在模型训练结束后保留下来的参数。x为特征数据，为栓子体积、血管狭窄率、栓子影像组学信息中的一阶特征，栓子影像组学信息中的形状特征、血压、心率、d二聚体七组参数。
[0181]
基于岭回归模型得到的栓塞等级数据以及标签数据可以确定初始岭回归模型的损失值，基于模型损失值对初始岭回归模型进行参数的更新。以此类推，继续对更新后的初始岭回归模型进行训练，当达到模型训练停止条件时，可以得到伪影频率分类网络。其中，模型训练停止条件可以是模型损失值趋于收敛，也可以是训练轮次达到预设的轮次数量。
在损失函数的构造上，岭回归模型采用了改进版的最小二乘法，即在原本损失函数加上了惩罚项，以实现岭回归模型对异常数据值的稳定性，其损失函数构造如下：惩罚项，以实现岭回归模型对异常数据值的稳定性，其损失函数构造如下：其中，m为样本的个数，y为标签值，x为特征数据，ω为模型系数，p为惩罚项，惩罚项越大，损失函数越敏感。通过对损失函数求偏导可得到：ω＝(x
t
x+λi)-1
x
t
y。对损失函数求偏导得到的公式加入了λi，通过调整λ的值可以保证x
t
x+λi为满秩矩阵，从而保证矩阵可逆。
[0182]
在实际应用过程中，可以使用sklearn中的ridge库，通过将训练数据输入搭建的模型进行训练，若模型完成训练，则保存模型参数，以通过完成训练的模型进行血管栓塞情况的预测。
[0183]
上述血管狭窄率确定方法中，基于实验室检查数据、目标血管的血管狭窄率、病灶体积数据、影像组学参数确定岭回归模型的特征数据，根据岭回归模型的模型系数以及特征数据确定栓塞等级数据。通过实验室检查数据、目标血管的血管狭窄率、病灶体积数据、影像组学参数可以多方面地对血管栓塞情况进行评估，可以更精确地对血管栓塞情况进行评级。进一步地，通过岭回归模型自主化地进行血管栓塞情况的评估，减轻医生的诊断阅片的工作量。
[0184]
在一些实施方式中，请参阅与8b，实验室参数可以包括d二聚体、心机损伤标志物以及血压和心率。通过ai自动标注的参数包括血管狭窄率和栓子形态学特征。将d二聚体、心机损伤标志物、血压和心率、血管狭窄率、栓子形态学特征共同作为多参数回归方程的输入，经过多参数回归方程可以对疾病进行分级。
[0185]
在一些实施方式中，请参阅图9，任意相邻的两个目标中心点对应有一条目标线段，目标平面包括目标线段对应一个法平面。基于目标平面与目标血管的第一相交数据以及目标平面与病灶的第二相交数据确定目标血管的血管狭窄率，可以包括以下步骤：
[0186]
s910、针对每条目标线段，基于每条目标线段对应的法平面与目标血管的第一相交数据、每条目标线段对应的法平面与病灶的第二相交数据确定每条目标线段对应的部分狭窄率。
[0187]
s920、基于每条目标线段对应的部分狭窄率确定目标血管的血管狭窄率。
[0188]
具体地，相邻的两个目标中心点确定一条目标线段。基于每条目标线段对应的法平面与目标血管的相交情况可以得到第一相交数据。基于每条目标线段对应的法平面与病灶的相交情况可以得到第二相交数据。通过对第一相交数据与第二相交数据进行计算可以确定每条目标线段对应的部分狭窄率。基于每条目标线段对应的部分狭窄率可以确定目标血管的血管狭窄率，比如，从每条目标线段对应的部分狭窄率中选择满足预设条件的部分狭窄率作为目标血管的血管狭窄率，比如，对每条目标线段对应的部分狭窄率进行均值计算，得到的狭窄率均值作为目标血管的血管狭窄率
[0189]
示例性地，基于目标线段bc对应的法平面与目标血管的相交情况可以得到第一相交数据。基于目标线段bc对应的法平面与病灶的相交情况可以得到第二相交数据。通过对第一相交数据与第二相交数据进行计算可以确定目标线段bc对应的部分狭窄率为48.28％。基于目标线段cd对应的法平面与目标血管的相交情况可以得到第一相交数据。基于目标线段cd对应的法平面与病灶的相交情况可以得到第二相交数据。通过对第一相交数
据与第二相交数据进行计算可以确定目标线段cd对应的部分狭窄率为26.72％。基于目标线段de对应的法平面与目标血管的相交情况可以得到第一相交数据。基于目标线段de对应的法平面与病灶的相交情况可以得到第二相交数据。通过对第一相交数据与第二相交数据进行计算可以确定目标线段de对应的部分狭窄率为30.53％。
[0190]
上述血管狭窄率确定方法中，针对每条目标线段，基于每条目标线段对应的法平面与目标血管的第一相交数据、每条目标线段对应的法平面与病灶的第二相交数据确定每条目标线段对应的部分狭窄率，基于每条目标线段对应的部分狭窄率确定目标血管的血管狭窄率。通过部分狭窄率可以更灵活地确定目标血管的血管狭窄率，以便后续针对目标血管的血管狭窄率进行不同的数据处理以及试验。
[0191]
在一些实施方式中，请参阅图10，基于每条目标线段对应的部分狭窄率确定目标血管的血管狭窄率，可以包括以下步骤：
[0192]
s1010、在每条目标线段对应的部分狭窄率中确定值最大的目标狭窄率。
[0193]
s1020、将目标狭窄率作为目标血管的血管狭窄率。
[0194]
具体地，将每条目标线段对应的部分狭窄率进行比较，可以确定每条目标线段对应的部分狭窄率中的最大值，将每条目标线段对应的部分狭窄率中的最大值确定为目标狭窄率。将目标狭窄率作为目标血管的血管狭窄率，可以得到目标血管的血管狭窄率为每条目标线段对应的部分狭窄率中的最大值。
[0195]
示例性地，通过比较目标线段bc对应的部分狭窄率48.28％、目标线段cd对应的部分狭窄率26.72％以及目标线段de对应的部分狭窄率30.53％，可以确定目标线段bc对应的部分狭窄率48.28％为最大值。通过确定目标线段bc对应的部分狭窄率48.28％为最大值，可以确定目标狭窄率为48.28％。将目标狭窄率作为目标血管的血管狭窄率，可以得到目标血管的血管狭窄率为48.28％。
[0196]
上述血管狭窄率确定方法中，在每条目标线段对应的部分狭窄率中确定值最大的目标狭窄率，将目标狭窄率作为目标血管的血管狭窄率。通过将部分狭窄率中最大值确定为目标血管的血管狭窄率，可以确定目标对象血管中栓塞最为严重的地方，可以提前对患者血管的栓塞程度进行预警。
[0197]
本说明书实施方式提供一种血管栓塞等级确定方法，请参阅图11，该血管栓塞等级确定方法可以包括以下步骤：
[0198]
s1110、获取目标对象的血管图像。
[0199]
s1120、获取血管图像中病灶对应的实验室检查数据和影像组学参数。
[0200]
s1130、根据实验室检查数据、血管狭窄率、影像组学参数对目标对象的血管栓塞情况进行评级，确定目标对象的栓塞等级数据。
[0201]
其中，血管图像包括的目标血管对应有血管狭窄率。目标对象可以是患者、可以是进行医学检查的检查对象。
[0202]
具体地，当目标对象的扫描位置进入到医学成像设备所能检测到的区域范围时，通过医学成像设备可以获得目标对象的血管图像。将血管图像输入至第一对称网络模型，通过第一对称网络模型对血管图像进行分割处理，确定血管图像包括的病灶以及病灶位置数据。将血管图像输入至第二对称网络模型，通过第二对称网络模型对血管图像进行分割处理，得到目标血管对应的血管分割结果，对血管分割结果进行细化迭代处理，可以得到目
标血管的血管中心点以及所述点位置数据。根据目标血管的血管中心点以及病灶位置数据，可以确定血管狭窄率。通过医学检查的手段可以获得实验室检查数据。通过对血管图像和病灶分割处理结果进行影像组学分析，可以得到影像组学参数。将实验室检查数据、血管狭窄率、影像组学参数输入到岭回归模型中，经过岭回归模型可以对目标对象的血管栓塞情况进行评级。通过血管栓塞情况可以确定目标对象的栓塞等级数据。
[0203]
在一些实施方式中，可以根据预先设置的规则将血管图像切成小块，对每一块血管图像进行上述的操作，然后将得到的每块血管图像对应的结果再依据预先设置的规则进行组合，可以得到所需的结果。需要说明的是，模型训练过程的输入图像同样需要为根据预先设置的规则切成小块的血管图像，模型的输出结果为根据预先设置的规则进行组合得到的结果。
[0204]
上述血管栓塞等级确定方法中，获取目标对象的血管图像，获取血管图像中病灶对应的实验室检查数据和影像组学参数，根据实验室检查数据、血管狭窄率、影像组学参数对目标对象的血管栓塞情况进行评级，确定目标对象的栓塞等级数据。通过实验室检查数据、目标血管的血管狭窄率、影像组学参数可以多方面地对血管栓塞情况进行评估，可以更精确地对血管栓塞情况进行评级。进一步地，通过岭回归模型自主化地进行血管栓塞情况的评估，减轻医生的诊断阅片的工作量。
[0205]
在一些实施方式中，血管狭窄率是通过上述任一项实施方式的方法得到的。
[0206]
本说明书实施方式还提供一种血管栓塞等级确定方法，示例性地，请参阅图12，该血管栓塞等级确定方法可以包括以下步骤：
[0207]
s1202、获取目标对象的血管图像。
[0208]
其中，血管图像包括的目标血管对应有血管狭窄率。
[0209]
s1204、通过第一对称网络模型对血管图像进行分割处理，确定血管图像包括的病灶以及病灶位置数据。
[0210]
其中，血管图像还包括病灶所处的目标血管。
[0211]
s1206、过第二对称网络模型对血管图像进行分割处理，得到目标血管对应的血管分割结果。
[0212]
s1208、基于血管分割结果进行细化迭代处理，得到目标血管的血管中心点以及点位置数据。
[0213]
s1210、根据病灶位置数据以及血管中心点的点位置数据，在血管中心点中确定与病灶相交的目标中心点。
[0214]
其中，目标中心点包括相邻的两个目标中心点，任意相邻的两个目标中心点对应有一条目标线段，目标线段对应一个法平面。
[0215]
s1212、基于目标血管的直径、血管图像中的像素大小在法平面的周围空间中确定相交情况统计范围。
[0216]
s1214、在相交情况统计范围内，针对每条目标线段，基于每条目标线段对应的法平面与目标血管的第一相交数据、每条目标线段对应的法平面与病灶的第二相交数据确定每条目标线段对应的部分狭窄率。
[0217]
其中，第一相交数据包括血管点的个数，第二相交数据包括病灶点的个数。
[0218]
s1216、基于每条目标线段对应的部分狭窄率确定目标血管的血管狭窄率。
[0219]
s1218、在每条目标线段对应的部分狭窄率中确定值最大的目标狭窄率。
[0220]
s1220、将目标狭窄率作为目标血管的血管狭窄率。
[0221]
s1222、获取血管图像中病灶对应的实验室检查数据和影像组学参数。
[0222]
s1224、基于实验室检查数据、目标血管的血管狭窄率、病灶体积数据、影像组学参数确定岭回归模型的特征数据。
[0223]
s1226、根据岭回归模型的模型系数以及特征数据确定栓塞等级数据。
[0224]
本说明书实施方式还提供一种血管栓塞等级确定方法，总体流程图请参阅图13，通过对ctpa影像进行肺动脉血管分割得到肺动脉血管分割结果，基于肺动脉血管分割结果进行血管中心线的提取得到血管中心线的位置信息。通过对ctpa进行肺栓子分割得到肺栓子位置信息，基于肺栓子位置信息以及中心线的位置信息可以确定血管狭窄率参数。对ctpa影像和肺栓子分割影像进行影像组学分析，可以确定影像组学参数。最后，通过血管狭窄率参数、影像组学参数以及实验室参数可以对肺栓塞严重程度进行评级。
[0225]
本说明书实施方式提供一种血管狭窄率确定装置1400，请参阅图14，血管狭窄率确定装置1400包括：血管图像获取模块1410、血管狭窄率确定模块1420。
[0226]
血管图像获取模块1410，用于获取血管图像；其中，所述血管图像包括病灶；所述病灶所处的目标血管对应有目标平面；所述目标平面与所述病灶相交；
[0227]
血管狭窄率确定模块1420，用于基于所述目标平面与所述目标血管的第一相交数据以及所述目标平面与所述病灶的第二相交数据确定所述目标血管的血管狭窄率。
[0228]
本说明书实施方式提供一种血管栓塞等级确定装置1500，请参阅图15，血管栓塞等级确定装置1500包括：血管图像获取模块1510、检查数据和参数获取模块1520、血管栓塞等级确定模块1530。
[0229]
血管图像获取模块1510，用于获取目标对象的血管图像；其中，所述血管图像包括的目标血管对应有血管狭窄率；
[0230]
检查数据和参数获取模块1520，用于获取所述血管图像中病灶对应的实验室检查数据和影像组学参数；
[0231]
血管栓塞等级确定模块1530，用于根据所述实验室检查数据、所述血管狭窄率、所述影像组学参数对所述目标对象的血管栓塞情况进行评级，确定所述目标对象的栓塞等级数据。
[0232]
关于血管狭窄率确定装置、血管栓塞等级确定装置，可以参见上文中对血管狭窄率确定方法和血管栓塞等级确定方法的描述，在此不再赘述。
[0233]
在一些实施方式中，提供了一种医学成像设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述实施方式中的方法步骤。
[0234]
本说明书实施方式提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项实施方式中的方法的步骤。
[0235]
本说明书的一个实施方式提供一种计算机程序产品，计算机程序产品中包括指令，指令被计算机设备的处理器执行时，使得计算机设备能够执行上述任一项实施方式的方法的步骤。
[0236]
需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可
读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。

技术特征：
1.一种血管狭窄率确定方法，其特征在于，所述方法包括：获取血管图像；其中，所述血管图像包括病灶；所述病灶所处的目标血管对应有目标平面；所述目标平面与所述病灶相交；基于所述目标平面与所述目标血管的第一相交数据以及所述目标平面与所述病灶的第二相交数据确定所述目标血管的血管狭窄率。2.根据权利要求1所述的方法，其特征在于，所述目标平面包括所述目标血管的法平面；所述法平面的确定方式，包括：基于血管图像确定所述病灶的病灶位置数据；其中，所述目标血管对应有血管中心点；根据所述病灶位置数据以及所述血管中心点的点位置数据，在所述血管中心点中确定与所述病灶相交的目标中心点；基于所述目标中心点包括相邻的两个目标中心点确定所述法平面。3.根据权利要求2所述的方法，其特征在于，所述确定所述病灶的病灶位置数据，包括：通过第一对称网络模型对所述血管图像进行分割处理，确定所述血管图像包括的病灶以及所述病灶位置数据；所述血管中心点的确定方式，包括：通过第二对称网络模型对所述血管图像进行分割处理，得到所述目标血管对应的血管分割结果；基于所述血管分割结果提取所述目标血管的血管中心点；其中，所述基于所述血管分割结果提取所述目标血管的血管中心点，包括：基于所述血管分割结果进行细化迭代处理，得到所述目标血管的血管中心点以及所述点位置数据。4.根据权利要求1所述的方法，其特征在于，所述第一相交数据为所述目标平面与所述目标血管的第一相交面积，所述第二相交数据为所述目标平面与所述病灶的第二相交面积；所述基于所述目标平面与所述目标血管的第一相交数据以及所述目标平面与所述病灶的第二相交数据确定所述目标血管的血管狭窄率，包括：利用所述第二相交面积与所述第一相交面积进行比例计算，得到所述血管狭窄率。5.根据权利要求1所述的方法，其特征在于，在所述基于所述目标平面与所述目标血管的第一相交数据以及所述目标平面与所述病灶的第二相交数据确定所述目标血管的血管狭窄率之前，所述方法还包括：基于所述目标血管的直径、所述血管图像中的像素大小在所述目标平面的周围空间中确定相交情况统计范围；在所述相交情况统计范围内统计所述目标血管的血管点的个数、所述病灶的病灶点的个数；其中，所述第一相交数据包括所述血管点的个数，所述第二相交数据包括所述病灶点的个数；所述基于所述目标平面与所述目标血管的第一相交数据以及所述目标平面与所述病灶的第二相交数据确定所述目标血管的血管狭窄率，包括：利用所述病灶点的个数与所述血管点的个数进行比例计算，得到所述血管狭窄率。6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：获取用于评估病灶栓塞情况的等级评估所需参数；根据所述等级评估所需参数以及所述目标血管的血管狭窄率对血管栓塞情况进行评
级，确定栓塞等级数据。7.根据权利要求6所述的方法，其特征在于，所述等级评估所需参数包括所述病灶对应的实验室检查数据、影像组学参数、病灶体积数据中的至少一个；其中，所述影像组学参数是基于所述血管图像以及所述血管图像对应的病灶分割结果进行影像组学分析而得到的。8.根据权利要求7所述的方法，其特征在于，所述根据所述等级评估所需参数以及所述目标血管的血管狭窄率对血管栓塞情况进行评级，确定栓塞等级数据，包括：基于所述实验室检查数据、所述目标血管的血管狭窄率、所述病灶体积数据、所述影像组学参数确定岭回归模型的特征数据；根据所述岭回归模型的模型系数以及所述特征数据确定所述栓塞等级数据。9.根据权利要求2至5任一项所述的方法，其特征在于，任意相邻的两个目标中心点对应有一条目标线段，所述目标平面包括所述目标线段对应一个法平面；所述基于所述目标平面与所述目标血管的第一相交数据以及所述目标平面与所述病灶的第二相交数据确定所述目标血管的血管狭窄率，包括：针对每条目标线段，基于所述每条目标线段对应的法平面与所述目标血管的第一相交数据、所述每条目标线段对应的法平面与所述病灶的第二相交数据确定所述每条目标线段对应的部分狭窄率；基于所述每条目标线段对应的部分狭窄率确定所述目标血管的血管狭窄率。10.根据权利要求9所述的方法，其特征在于，所述基于所述每条目标线段对应的部分狭窄率确定所述目标血管的血管狭窄率，包括：在所述每条目标线段对应的部分狭窄率中确定值最大的目标狭窄率；将所述目标狭窄率作为所述目标血管的血管狭窄率。11.一种血管栓塞等级确定方法，其特征在于，所述方法包括：获取目标对象的血管图像；其中，所述血管图像包括的目标血管对应有血管狭窄率；获取所述血管图像中病灶对应的实验室检查数据和影像组学参数；根据所述实验室检查数据、所述血管狭窄率、所述影像组学参数对所述目标对象的血管栓塞情况进行评级，确定所述目标对象的栓塞等级数据。12.根据权利要求11所述的方法，其特征在于，所述血管狭窄率是通过权利要求1至5、9至10中任一项所述的方法得到的。13.一种血管狭窄率确定装置，其特征在于，所述装置包括：血管图像获取模块，用于获取血管图像；其中，所述血管图像包括病灶；所述病灶所处的目标血管对应有目标平面；所述目标平面与所述病灶相交；血管狭窄率确定模块，用于基于所述目标平面与所述目标血管的第一相交数据以及所述目标平面与所述病灶的第二相交数据确定所述目标血管的血管狭窄率。14.一种血管栓塞等级确定装置，其特征在于，所述装置包括：血管图像获取模块，用于获取目标对象的血管图像；其中，所述血管图像包括的目标血管对应有血管狭窄率；检查数据和参数获取模块，用于获取所述血管图像中病灶对应的实验室检查数据和影像组学参数；血管栓塞等级确定模块，用于根据所述实验室检查数据、所述血管狭窄率、所述影像组
学参数对所述目标对象的血管栓塞情况进行评级，确定所述目标对象的栓塞等级数据。15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至12中任一项所述的方法的步骤。

技术总结
本发明公开了一种血管狭窄率、栓塞等级确定方法、装置及存储介质。获取包括病灶的血管图像，病灶所处的目标血管对应有与病灶相交的目标平面；基于目标平面与目标血管的第一相交数据以及目标平面与病灶的第二相交数据可以确定目标血管的血管狭窄率。以一种新的计算辅助方式实现血管狭窄率的计算，通过确定目标血管的血管狭窄率，在临床诊断中可以更好地辅助医护人员进行血管栓塞的评估，准确地获知血管的栓塞情况。的栓塞情况。的栓塞情况。


技术研发人员：孙梦洲 梁晓云
受保护的技术使用者：东软医疗系统股份有限公司
技术研发日：2023.05.15
技术公布日：2023/8/9