[发明专利]一种用于血液动力学仿真的时变流场超分辨率重建方法

说明书

本发明公开了一种用于血液动力学仿真的时变流场超分辨率重建方法。本发明步骤如下：步骤(1)数据集制作，使用SimVascular软件进行血管仿真，通过图像采集、几何建模、网格生成、仿真步骤构建时变流场数据集；步骤(2)速度场特征提取，通过PointNet提取数据集输入数据特征，生成1024维特征向量f_v；步骤(3)时间及阻值特征提取，通过阻值‑时间编码器提取输入数据的时间及阻值特征向量，生成1024维特征向量f_rt；步骤(4)特征解码并重建高时间分辨率速度场；步骤(5)重建结果评价及分析，使用速度场的幅度及方向损失函数训练网络，通过平均模长误差及相对误差对重建结果进行评价和分析。

技术领域

本发明提到了一种用于血液动力学仿真的时变流场超分辨率重建方法，主要涉及一种新的深度学习框架，将传统计算流体力学方法仿真得到的低时间分辨率时变血管流场转变成高时间分辨率的时变流场。同时针对速度的矢量特征，提出并使用了速度的幅度及方向损失函数。

背景技术

近年来，随着医学成像、计算能力和数学算法的进步，特定于患者的计算流体力学仿真飞速发展，为计算机辅助诊断的新领域铺平了道路，为预测和预防动脉粥样硬化提供了新的方法。

在流体仿真领域，机器学习和深度学习已经被用来加速目前的计算流体力学求解器。但是在之前的深度学习结合流体仿真的工作中，血管几何形状总是被转换成深层图像或者体素形式表示。用图像表示将失去三维时变数据的空间信息，而用体素形式表示需要更高的计算能力来仿真复杂的血管，并且在血管的光滑边界表面上会产生明显的几何误差。

在传统的计算流体力学方法中，如何捕捉血液流动的复杂细节一直是数值仿真和医学应用的长期挑战。在离散的体网格模型上得到血液流动的复杂细节需要巨大的计算成本。因此，从时间信息的角度出发，从低时间分辨率的输入数据中重建高时间分辨率的流场数据，是一个非常有意义的工作。

发明内容

本发明的目的是针对现有技术的不足，提供一种用于血液动力学仿真的时变流场超分辨率重建方法。使用SimVascular制作了一个真实患者的主动脉及髂动脉时变流场仿真数据集并在该数据集上做了实验。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤(1)数据集制作，使用SimVascular软件进行血管仿真，通过图像采集、几何建模、网格生成、仿真等步骤构建时变流场数据集；

步骤(2)速度场特征提取，通过PointNet提取数据集输入数据特征，生成1024维特征向量f_v；

步骤(3)时间及阻值特征提取，通过阻值-时间编码器提取输入数据的时间及阻值特征向量，生成1024维特征向量f_rt；

步骤(4)特征解码并重建高时间分辨率速度场，将步骤(2)、步骤(3)提取的特征向量经过一个全连接层生成全局特征，然后通过解码器重建高时间分辨率的速度场；

步骤(5)重建结果评价及分析，使用速度场的幅度及方向损失函数训练网络，通过平均模长误差及相对误差对重建结果进行评价和分析。

进一步的，所述的步骤(1)所述的数据集制作：

步骤1-1图像采集：选取SimVascular提供的主动脉及髂动脉的MRI图像，从中提取中动脉及髂动脉血管；

步骤1-2几何建模：根据给定的MRI图像，首先沿着主动脉及髂动脉的中心线，创建血管骨架。然后沿着骨架路径向下，基于成像数据生成一组主动脉及髂动脉血管轮廓。在二维分割阶段，通过修改轮廓尺寸来获得不同尺寸的血管轮廓。然后通过二维分割构建的轮廓，创建PolyData类型的血管模型；