[发明专利]一种血流储备分数测量装置

权利要求书

1.一种血流储备分数测量装置，其特征在于，包括：

建立模块，用于通过人工神经网络，建立冠状动脉的血管特征向量和血流储备分数之间对应关系的对应关系；其中，所述人工神经网络包括第一生成网络，第二生成网络，第一判别网络，以及第二判别网络；将第一生成网络和第一判别网络通过样本数据训练获得第二生成网络的网络参数，将第二生成网络和第二判别网络通过所述样本数据训练，获得所述对应关系；其中，所述样本数据为所述血管特征向量和所述血流储备分数；

获取模块，用于获取患者当前血管特征向量，根据患者的冠状动脉计算机断层扫描图像，获取所述当前血管特征向量；

测量模块，用于通过所述对应关系，确定与所述当前血管特征向量对应的当前血流储备分数；

其中，所述建立模块包括：

第一迭代训练子模块，用于对所述第一生成网络和第一判别网络通过最大化判别网络的差别能力和最小化生成网络的分布损失函数来独立进行迭代训练，至所述第一生成网络生成的血流储备分数在所述第一判别网络中的判别输出概率值接近0.5；

神经元参数生成子模块，用于依据所述第一判别网络中的前三层网络层的人工神经元参数生成所述第二生成网络的前三层网络层的人工神经元参数；

第二迭代训练子模块，用于对所述第二生成网络和第二判别网络通过最大化判别网络的差别能力和最小化生成网络的分布损失函数来独立进行迭代训练，至所述第二生成网络生成的血流储备分数在所述第二判别网络中的判别输出概率值接近0.5。

2.根据权利要求1所述的装置，其特征在于，所述血管特征向量包括：

血管局部几何特征：血管每个横截面的半径；

血管上游和下游几何特征：狭窄近端半径、狭窄入口长度、最小半径区域长度、狭窄出口长度、半径减小比率：

式中，表示半径减小比率；表示狭窄的最小半径；表示接近狭窄的节段的正常半径；表示狭窄远端的正常半径。

3.根据权利要求1所述的装置，其特征在于，

所述第一生成网络包括：第一输入层、第一反卷积层、第二反卷积层、第三反卷积层、第四反卷积层以及第一输出层，其中，所述第一输入层的人工神经元数量与样本数据中的血管特征向量数量相同，第一反卷积层的人工神经元数量为512，第二反卷积层的人工神经元数量为256，第三反卷积层的人工神经元数量为128，第四反卷积层的人工神经元数量为64，第一输出层的人工神经元数量为1。

4.根据权利要求1所述的装置，其特征在于，

所述第一判别网络包括：第二输入层、第一卷积层、第二卷积层、第三卷积层、第四卷积层以及第二输出层，其中，所述第二输入层的人工神经元数量与所述第一生成网络通过样本数据生成的所述血流储备分数的总数相同，所述第一卷积层的人工神经元数量为32，所述第二卷积层的人工神经元数量为64，所述第三卷积层的人工神经元数量为256，所述第四卷积层的人工神经元数量为512，所述第二输出层的人工神经元数量为1。

5.根据权利要求1所述的装置，其特征在于，

所述第二生成网络包括：第三输入层、第一反卷积层、第二反卷积层、第三反卷积层、第四反卷积层、第五反卷积层以及第三输出层，其中，所述第三输入层的人工神经元数量与样本数据中的血管特征向量数量相同，所述第一反卷积层的人工神经元数量为32，所述第二反卷积层的人工神经元数量为64，所述第三反卷积层的人工神经元数量为256，所述第四反卷积层的人工神经元数量为64，所述第五反卷积层的人工神经元数量为32，所述第三输出层的人工神经元数量为1。

6.根据权利要求1所述的装置，其特征在于，

所述第二判别网络包括：第四输入层、第一卷积层、第二卷积层、第三卷积层、第四卷积层以及第四输出层，其中，所述第二生成网络通过样本数据生成的所述血流储备分数和样本数据对应的实际血流储备分数的二者之和与所述第四输入层的人工神经元数量相同，所述第一卷积层的人工神经元数量为32，所述第二卷积层的人工神经元数量为64，所述第三卷积层的人工神经元数量为256，所述第四卷积层的人工神经元数量为512，所述第四输出层的人工神经元数量为1。