[发明专利]血流动力学指标数据的处理方法和系统

说明书

本发明涉及一种血流动力学指标数据的处理方法和系统，方法包括：采集医学图像数据和临床测量数据；根据医学图像数据和临床测量数据进行图像分割处理，利用中心线提取算法生成感兴趣血管的特异性解剖学模型数据；对特异性解剖学模型数据进行网格划分处理，利用边界条件进行流体力学模拟处理，从而得到得血流动力学指标的分布状况数据；分布状况数据包括壁面剪切应力、时间平均壁面剪切应力、震荡剪切指数和速度流线；将血流动力学指标的分布状况数据进行可视化处理，从而显示在脑动脉瘤的三维模型上。本发明血流动力学指标数据的处理方法和系统可以模拟感兴趣血管内的血流动力学指标的分布状况并可视化处理和显示，处理速度快，可视化精度高。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种血流动力学指标数据的处理方法和系统。

背景技术

由于医学影像技术的不断发展，使得感兴趣血管例如人脑动脉瘤的几何形态数据可以被获取到。同时比较破裂脑动脉瘤数据和未破裂脑动脉瘤数据之间的几何形态数据差异可以进行进一步的风险分析，但是还无法分析处理得到风险的原因。

发明内容

本发明针对现有技术的缺陷，提供了一种血流动力学指标数据的处理方法和系统，通过根据医学影像数据和临床测量数据，利用流体力学（CFD）仿真模拟感兴趣血管的血流动力学指标的分布状况来处理血流动力学指标数据，从而可以无创的对血流动力学指标数据进行处理，处理速度快，可视化精度高。

为实现上述目的，本发明实施例第一方面提供了一种血流动力学指标数据的处理方法，所述方法包括：

步骤1，采集医学图像数据和临床测量数据；所述医学图像数据包括脑动脉计算机断层摄影数据、核磁共振影像数据、数字减影血管造影术数据3D-DSA和超声影像数据中的一种或多种；所述临床测量数据包括心率数据和血压数据；

步骤2，根据所述医学图像数据和临床测量数据进行图像分割处理，利用中心线提取算法生成感兴趣血管的特异性解剖学模型数据；

步骤3，对所述特异性解剖学模型数据进行网格划分处理，利用边界条件进行流体力学模拟处理，从而得到得血流动力学指标的分布状况数据；所述分布状况数据包括壁面剪切应力、时间平均壁面剪切应力、震荡剪切指数和速度流线；

步骤4，将血流动力学指标的分布状况数据进行可视化处理，从而显示在脑动脉瘤的三维模型上。

优选的，所述步骤2具体包括：

步骤21，检测所述感兴趣血管的标志点，识别所述感兴趣血管的起点和终点；

步骤22，通过识别待分割的所述感兴趣血管的起点和终点之间的跟踪路径来跟踪血管；

步骤23，根据所述跟踪路径，利用基于沿跟踪路径的图像强度和梯度的随机游走算法对所述感兴趣血管进行初步分割；

步骤24，从初步分割的所述感兴趣血管中提取中心线；

步骤25，对感兴趣血管进行精确分割，在所述中心线的每个点出提取所述感兴趣血管的横截面轮廓线；

步骤26，通过放样的方法将精确分割的所述横截面轮廓线生成所述感兴趣血管的几何表面模型，得到解剖学模型数据。

优选的，所述步骤21中，使用经过训练的标志点探测器来识别所述感兴趣血管的起点和终点；

所述步骤21之前还包括，标志点探测器使用训练数据进行训练，在训练数据中对每个起点和终点的真实位置进行标注，在已标注的真实位置处生成正样本，在远离真实位置的地方生成负样本，正样本和负样本再经过特征提取，其中为每个样本计算哈尔Haar特征和steerable特征；将从样本中提取的特征传递给统计分类器，所述分类器区分正负样本，从而评估处理接收到的数据确定正样本起始点或终点的概率。

优选的，所述步骤22中，使用基于迪克斯特拉Dijkstra算法的最短路径算法来识别所述起点和终点之间的路径。

优选的，所述步骤3中对所述特异性解剖学模型数据进行网格划分处理具体包括：