[发明专利]基于GAN血流储备分数预测方法、装置、设备及介质

说明书

本发明揭示了一种基于GAN血流储备分数预测方法、装置、设备及介质，步骤包括：通过GAN模型中的生成网络模型以及目标指定区域的血管特征向量计算出所述目标指定区域血管的血流储备分数计算值；获取所述目标指定区域的血管通过有创测试方式测得的血流储备分数有创测量值；将所述血流储备分数计算值和血流储备分数有创测量值分别作为GAN模型中的判别网络模型的输入向量，并对所述GAN模型进行迭代训练；根据训练完毕的GAN模型对患者指定区域血管的血流储备分数进行预测换算。能准确的预测血流储备分数，应用范围广，有更大的自由度，避免了手术风险，无需使用血管扩张剂，对患者更安全，本发明计算复杂度低，计算速度快。

技术领域

本发明涉及到医学检测领域，特别是涉及到一种基于GAN血流储备分数预测方法、装置、设备及介质。

背景技术

冠状动脉造影及血管内超声均被认为是诊断冠心病的“金标准”，但它们只能对病变狭窄程度进行影像学评价，而狭窄到底对远端血流产生了多大影响却不得而知；血流储备分数(FFR)现已经成为冠脉狭窄功能性评价的公认指标，其最重要的功能是对一个未知影响的冠脉狭窄的功能后果进行准确评价。

血流储备分数(FFR)是指在冠状动脉存在狭窄病变的情况下，目标测量血管所供心肌区域能获得的最大血流量与同一区域理论上正常情况下所能获得的最大血流量之比。FFR主要通过计算冠状动脉狭窄远端压力与主动脉根部压力之比来获得。狭窄远端压力可以通过压力导丝在最大灌注血流(通过冠脉内或静脉内注射罂粟碱或腺苷或ATP)时测得。

FFR＝P_d/P_a(P_d为指引导管测量的冠脉狭窄远端压力，P_a为压力导丝测量的主动脉压)一般来说，FFR是指最大充血状态下，不存在“静息FFR”这个概念。

正常的心外膜冠状动脉对血流的阻力很小，FFR的正常值为1.0；FFR的值将小于1.0时即表明当前心外膜冠脉有狭窄病变的存在。

FFR＜0.75的情况时，所代表的狭窄情况几乎都会导致心肌缺血，FFR≥0.75的情况时，所代表的狭窄则造成心肌缺血的可能性非常小。

冠脉CTA能准确评估冠脉狭窄程度，且能辨别管壁斑块性质，是一种无创、操作简单的诊断冠状动脉病变检查方法，可作为筛查高危人群的首选方法。因此，如果对于冠心病患者的血管进行干预，前期应该对患者冠脉进行CTA的评价。冠状动脉慢性完全闭塞病变(CTO)如果采用CTA进行评价，评价结果肯定有一些有价值的信息。

通过冠状动脉CT血管造影CCTA计算无创获得的FFR(CTFFR)不仅无需额外影像检查或药物，与造影时测定的FFR相关性良好，这种一体化技术能从根本上避免不必要的冠脉血管造影与血运重建治疗。DeFacto试验结果也清楚地表明，在冠状动脉CT中，CTFFR结果的分析提供了那些真正限制血流及增加病人危险性的病变的生理信息。CTFFR结合了冠脉CTA和FFR的优势，可以从结构和功能两方面来评估冠状动脉狭窄，成为一种提供冠脉病变解剖学和功能学信息的崭新无创性检测体系。

但现有的检测体系对血流储存分数测量体系一般都包含以下缺点：有创FFR技术的缺点：有手术风险，使用血管扩张剂具有一定毒性，且有可能引起患者过敏，价格昂贵。

基于血流动力学仿真的无创FFR技术的缺点：计算量大，需要高性能计算机；耗时长，无法做到实时要求。。

发明内容

本发明的主要目的为提供一种基于GAN血流储备分数预测方法、装置、设备及介质，以解决背景技术中所提出的至少一个技术问题。

本发明提出一种基于GAN血流储备分数预测方法，包括如下步骤：

通过GAN模型中的生成网络模型以及目标指定区域的血管特征向量计算出上述目标指定区域血管的血流储备分数计算值；