买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安理工大学

摘要：本发明公开了一种结合多运动强度下的狭窄冠脉血运变化的分析方法，首先对冠脉狭窄CT图构建图像样本库，进行标签类别处理；对由心脏CTA提取出的CT原始序列图采用小波相关方法进行去噪、增强预处理；对CT图像采用深度学习方法中卷积神经网络模型CNN进行特征提取，并采用Otsu方法进行分割，最后进行三维重建；将三维重建后的图像进行有限元分析；最后将测试患者在静息状态、不同运动强度的情况下，病人的壁面剪切力、血流速度、壁面压力以及壁面形变变化情况。本发明测量冠脉粥样硬化病人在静息及三个不同等级的运动强度下的血流动力学分析，实现在控制病情上的准确判断，免去有创手术给患者带来的伤害。

主权项：1.一种结合多运动强度下的狭窄冠脉血运变化的分析方法，其特征在于，具体按照以下步骤实施：步骤1、对冠脉狭窄CT图构建图像样本库，进行标签类别处理；所述步骤1具体按照以下步骤实施：在医院数据系统中收集近一年来同时做过心脏CTA和冠脉造影DSA检查的患者信息和图像，即能够将CT图像和冠脉狭窄金指标数据进行对应，隐去图像中患者的基本信息之后，进行标签类别标注，筛选出符合影像质量、年龄在20～50岁、且狭窄范围在25％～49％的400例患者，分别进行静息以及不同强度运动等级下的冠脉CT图像作为选定的输入样本，其中，运动强度等级依据最大耗氧量VO2max分为五级，一级：最大摄氧量小于45％；二级：最大摄氧量为55％～65％；三级：最大摄氧量为75％～85％；四级：最大摄氧量为90％～95％；五级：最大摄氧量大于95％；步骤2、对步骤1中由心脏CTA提取出的CT原始序列图采用小波相关方法进行去噪、增强预处理；所述步骤2具体按照以下步骤实施：步骤2.1、首先，进行图像的去噪处理，将步骤1中作为选定的输入样本作归一化处理，图片尺寸统一成像素为512*512，将样本中的原始信号和含噪信号首先采用Mallat算法进行小波分解，分解为多层的低频信号小波系数和多层的细节信号小波系数，然后采用小波局部阈值的方法进行去噪处理，最后小波重构，得到去噪信号的样本；其中，采用小波局部阈值的方法具体如下：阈值的选取如下：在对角方向上取： 其中，λ1为对角方向的阈值，σ为噪声标准方差，N为信号的尺度或长度；在水平H、垂直V方向上取： 其中，λ2为水平H、垂直V方向上的阈值，σ为噪声标准方差，N为信号的尺度或长度；σ估计为： 其中，M表示小波变换的第1层细节信号小波系数中值的绝对值；阈值函数的选取：阈值函数是修正小波系数的规则，阈值函数为： 其中，wj、k是二维小波系数，阈值λ取值为λ1、λ2；步骤2.2、对去噪后的图像作增强处理，采用小波图像子带增强算法，第一步进行2层小波分解，分别提取低频子图像以及低频子图像的小波系数；第二步确定高频小波阈值；第三步计算各层的增益系数；第四步去噪并增强按照图像增强的要求分别对低频、高频子图像的小波系数乘以不同的权数对小波系数进行处理；所述步骤2.2中小波图像子带增强算法中，低频子图像的增强权值为高频子图像采用公式进行处理： 其中，选取图像增强的阈值l＝0.1，垂直边缘子图HL、水平边缘子图LH的增强系数k＝20，对角线子图HH的增强系数k＝23，最后对增强后的小波系数进行小波逆变换得到增强后的图像；步骤3、对CT图像采用深度学习方法中卷积神经网络模型CNN进行特征提取，并采用Otsu方法进行分割，最后进行三维重建；所述步骤3具体如下：步骤3.1、对步骤2中经过去噪和增强处理后得到的CT图像，通过卷积－池化层提冠状动脉的特征，并生成冠状动脉的特征图；然后在生成特征图后使用候选区域网络RPN提取疑似冠状动脉的候选区域，图像的特征提取和候选框提取是共享卷积的，图像的特征提取网络使用的是50层卷积的残差网络，提取出冠状动脉灰度区域图；步骤3.2、将步骤3.1中提取出的冠状动脉灰度区域图，采用改进的Otsu算法对冠状动脉灰度区域图进行分割提取，选定阈值T，遍历图像的像素，将灰度值小于T的像素分为背景，将灰度值大于T的像素分为目标区域，对待分割灰度图像作归一化处理，阈值选择准则函数改进为： 其中，σωt代表带指数参数的类内方差，μBt和μot的代表背景和目标的类内灰度均值，pi表示不同灰度级出现的概率，t表示时间，i表示灰度值的不同取值；分割后的图像进行连通区域的计算；对落入各连通区域中的被认为冠状动脉的像素点进行计数；选取计数值最大的判断为冠状动脉所在的区域，计数值小的区域则去除，从而完成冠状动脉区域的分割提取；步骤3.3、对步骤3.2分割出的图像采用体绘制中的光线投射法方法对冠状动脉血管进行三维重建，且三维重建包含主动脉在内的冠状动脉，最终得到三维重建后的冠状动脉模型；步骤3.4、将步骤3.3中三维重建后的冠状动脉模型导入Geomagicstudio12.0软件中，对模型中的小孔或缝隙进行修正，得到表面较为光滑的血管模型，裁剪模型，只保留右冠状动脉，最终拟合曲面自动生成NURBS曲面,将右冠状动脉三维模型保存并导出为.IGS格式文件；步骤4、按照7：3的原则，采用随机索引法，将入组的M例样本分为训练组和测试组，将步骤3中三维重建后的图像进行有限元分析；步骤5、将步骤4中筛选后的病人统一集中，保证一切正常情况下，测试患者在静息状态、不同运动强度的情况下，病人的壁面剪切力、血流速度、壁面压力以及壁面形变变化情况。

全文数据：

权利要求：

百度查询： 西安理工大学 一种结合多运动强度下的狭窄冠脉血运变化的分析方法