[发明专利]本构模型与有限元结合的脉络膜新生血管生长预测方法

权利要求书

1.一种本构模型与有限元结合的脉络膜新生血管生长预测方法，其特征是，包括以下步骤：

步骤1.图像预处理：对三维视网膜频域光学相干断层成像SD-OCT图像进行下采样处理；

步骤2.区域提取和划分：将图像分割为脉络膜新生血管CNV区域、外视网膜层、内视网膜层和脉络膜层4个区域；

步骤3.网格化：对CNV区域、内视网膜层、外视网膜层和脉络膜层进行多尺度、自适应的四面体网格生成；

步骤4.运用超弹性生物力学模型与反应扩散方程建模：在超弹性生物力学模型结构中，整合各区域不同的体积模量、剪切模量及其对应的体积弹性响应、等容弹性响应，将脉络膜新生血管生长后的质量改变作为源项加入到方程中，使变形梯度张量根据新生血管的生长持续变化；

步骤5.优化模型，算出最佳准确率，进行参数检验；

步骤6.根据每个时间点预测的参数拟合一条参数曲线，预测最后一个时间点的生长增值率参数，得到预测结果；

步骤4包括以下步骤：

(4a)反应扩散方程的入侵和扩散

逻辑回归型增长的反应扩散方程表示为：

其中，t为时间，D是各向异性的扩散张量，包含三个组成部分D_x，D_y，D_z，这三个分量分别为x轴，y轴，z轴的分量；ρ代表生长增殖率，N是每单位体积的细胞数，K_max代表最大细胞容量，

当血管内皮生长因子的各向异性浓度时，有如下公式：

(4b)质量效应与超弹性生物力学模型

材料的非线性应力-应变行为的应变能密度函数为：

其中，表示格林-拉格朗日应变张量，F^T代表变形梯度张量F的转置张量，I为单位矩阵；J代表变形梯度张量F的行列式，即J＝det(F)；κ和μ分别代表体积模量和剪切模量；Tr表示矩阵的迹；I₁是柯西-格林变形张量的第一主不变量；

通过公式4中的梯度力f，将柯西应力张量σ＝J^-1FSF^T和血管内皮生长因子的各向异性浓度c联系起来：

div(σ)+f＝0；f＝-ξ▽c (4)

其中，f代表由c产生的梯度力即密度梯度力，ξ代表一个需要被估计的常数，该常数取决于材料的生物学特性；S代表PK2-第二Piola-Kirchhoff应力张量。

2.根据权利要求1所述的本构模型与有限元结合的脉络膜新生血管生长预测方法，其特征是，步骤1中的图像预处理包括以下步骤：

(1a)下采样处理：

(1b)使用CAVASS软件，进行OCT图像配准。

3.根据权利要求1所述的本构模型与有限元结合的脉络膜新生血管生长预测方法，其特征是，步骤3中采用一个三维曲面和体积的网格生成器对CNV区域、内视网膜层、外视网膜层和脉络膜层进行多尺度、自适应的四面体网格生成。

4.根据权利要求1所述的本构模型与有限元结合的脉络膜新生血管生长预测方法，其特征是，步骤5中，以一阶马尔科夫序列优化生长增值率ρ参数：前n个时间点的数据，每个时间点均与之前的一个时间点相关，计算ρ的值。

5.根据权利要求4所述的本构模型与有限元结合的脉络膜新生血管生长预测方法，其特征是，从之前所有的时间点进行生长增值率参数的估计，然后使用下面的公式来计算预测的准确性：

是基于之前所有时间点I_i,c(i＝1,2,...，10)预测得到的结果，I_i+1,c是当前时间点的金标准；

最后，估计参数：ν_i＝{D_x,D_y,D_z,ρ；c}。

6.根据权利要求5所述的本构模型与有限元结合的脉络膜新生血管生长预测方法，其特征是，定义预测结果与金标准的重合像素点

计算反映预测结果准确性的各项指标：

(1)召回率

(2)错误率

(3)相似度DICE系数

7.根据权利要求4、5或6所述的本构模型与有限元结合的脉络膜新生血管生长预测方法，其特征是，步骤6中，利用得出的前n个时间点的生长增值率ρ值，画出拟合曲线，从而预测出第n+1个时间点的生长增值率ρ；将预测出的第n+1个时间点的生长增值率ρ代入第n个时间点，得出的预测图像与真实的第n+1个图像重叠，计算预测准确率。