(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111522999.2 (22)申请日 2021.12.13 (65)同一申请的已公布的文献号 申请公布号 CN 113995388 A (43)申请公布日 2022.02.01 (73)专利权人 数坤 （北京） 网络科技股份有限公 司 地址 100120 北京市昌平区科技园区创新 路11号3号楼303室、 304室、 305室、 321、 322室 (72)发明人 赵宏凯　白彬　 (74)专利代理 机构 深圳紫藤知识产权代理有限 公司 44570 专利代理师 官建红(51)Int.Cl. A61B 5/02(2006.01) A61B 5/026(2006.01) A61B 5/00(2006.01) G06F 30/27(2020.01) G06F 30/28(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/774(2022.01) G06K 9/62(2022.01) 审查员 李陆美 (54)发明名称 血流储备分数计算方法、 装置、 电子设备及 可读存储介质 (57)摘要 本申请公开了一种血流储备分数计算方法、 装置、 电子设备及可读存储介质。 本申请提供的 方法通过降维后的动脉特征参数确定压降预测 值， 因此相比三维流体力学的计算方法， 计算速 度更快， 并且对压降预测值进行压降修正值预测 处理， 以得到的压降修正值修正压降预测值， 克 服了压降预测值不准确的缺点， 因此整个计算血 流储备分数的过程既保证计算速度优于传统的 方法， 又保证了最后计算得到的血流储 备分数精 确性高。 权利要求书2页 说明书18页 附图3页 CN 113995388 B 2022.06.03 CN 113995388 B 1.一种血流储备分数计算方法， 其特 征在于， 包括： 获取目标病灶动脉的动脉 特征参数； 通过预设的压降预测模型， 根据降维后的所述动脉特征参数， 确定所述目标病灶动脉 中目标区域的压降预测值； 将降维后的所述动脉特征参数输入训练好的压降修正模型， 得到所述压降预测值的压 降修正值， 其中， 所述压降修 正模型为机器学习模型； 根据所述压降预测值和所述压降修 正值， 确定所述目标区域的血流储备分数。 2.根据权利要求1所述的血流储备分数计算方法， 其特征在于， 预设的所述压降预测模 型为机器学习模型、 深度学习模型和降维模型中的一 者。 3.根据权利要求1所述的血流储备分数计算方法， 其特征在于， 所述将降维后的所述动 脉特征参数输入训练好的压降修正模型， 得到所述压降预测值的压降修正值之前， 所述方 法还包括： 获取预设的第一训练参数， 其中， 所述训练参数包括第一训练动脉的第一动脉特征训 练参数和所述第一训练动脉中病变区域的真实压降修正值， 所述真实压降修正值根据第一 压降真实值和第一压降预测 值计算得到， 所述第一压降预测值通过预设的压降预测模型， 根据降维后的所述第一动脉 特征训练参数 得到； 将降维后的所述第 一动脉特征训练参数输入预设的压降修正模型， 得到所述第 一训练 动脉中病变区域的样本 压降修正值； 根据所述真实压降修正值和所述样本压降修正值， 对预设的所述压降修正模型中的参 数进行调整， 得到训练好的所述压降修 正模型。 4.根据权利要求1所述的血流储备分数计算方法， 其特征在于， 所述通过预设的压降预 测模型， 根据降维后的所述动脉特征参数， 确定所述 目标病灶动脉中目标区域的压降预测 值， 包括： 将降维后的所述动脉特征参数输入预设的压降预测模型， 得到所述目标病灶动脉中目 标区域的待处 理压降预测值； 将所述待处理压降预测值、 降维后的所述动脉特征参数和所述动脉特征参数输入训练 好的压降修 正升维模型， 得到目标区域的压降预测值。 5.根据权利要求 4所述的血流储备分数计算方法， 其特 征在于， 所述将所述待处理压降预测值、 降维后的所述动脉特征参数和所述动脉特征参数输入 训练好的压降修 正升维模型， 得到目标区域的压降预测值之前， 所述方法还 包括： 获取预设的第二训练参数， 其中， 所述第二训练参数包括第二训练动脉的第二动脉特 征训练参数、 所述第二训练动脉中病变区域的第二压降真实值和第二压降预测值， 所述第 二压降预测值 通过所述压降预测模型， 根据降维后的所述第二动脉 特征训练参数 得到； 将降维后的所述第 二动脉特征训练参数、 所述第 二动脉特征训练参数和所述第 二压降 预测值输入预设的压降修 正升维模型中， 得到所述第二训练动脉的升维压降预测值； 根据所述升维压降预测值和所述第 二压降真实值， 对预设的所述压降修正升维模型中 的参数进行调整， 得到训练好的所述压降修 正升维模型。 6.根据权利要求4所述的血流储备分数计算方法， 其特征在于， 所述压降修正升维模型 为机器学习模型和深度学习模型中的一 者。权　利　要　求　书 1/2 页 2 CN 113995388 B 27.根据权利要求1所述的血流储备分数计算方法， 其特征在于， 所述根据 所述压降预测 值和所述压降修 正值， 确定所述目标区域的血流储备分数， 包括： 根据所述动脉特征参数中目标病灶动脉入口的第 一入口血压， 确定所述目标区域的第 二入口血压； 根据所述第二入口血压、 所述压降预测值和所述压降修正值， 计算得到所述目标区域 的出口血压； 根据所述第一入口血压和所述出口血压， 计算得到所述目标区域的血流储备分数。 8.根据权利要求7所述的血流储备分数计算方法， 其特征在于， 所述根据 所述动脉特征 参数中目标病灶动脉入口 的第一入口血压， 确定所述目标区域的第二入口血压， 包括： 根据所述动脉特征参数和预设的衰减值计算关系， 确定所述目标区域与所述目标病灶 动脉的入口之间的血压 衰减值； 根据所述血压衰减值和所述动脉特征参数中目标病灶动脉入口的第 一入口血压， 确定 所述目标区域的第二入口血压 。 9.根据权利要求1所述的血流储备分数计算方法， 其特征在于， 所述动脉特征参数包括 动脉几何参数和动脉生理参数， 所述获取目标病灶动脉的动脉 特征参数， 包括： 获取目标病灶动脉的医学影 像； 对所述医学影像进行分割处理， 得到目标区域图像和所述目标区域图像中目标病灶动 脉的动脉几何参数； 通过预设的生理检测部件， 获取 所述目标病灶动脉的动脉生理参数。 10.根据权利要求1 ‑9任一项所述的血流储备分数计算方法， 其特征在于， 所述根据所 述压降预测值和所述压降修正值， 确定所述 目标区域的血流储备分数之后， 所述方法还包 括： 查询预设的数据库， 得到所述目标病灶动脉对应的目标患者信息； 在预设的显示终端中显示所述血流储备分数和所述目标患者信息 。 11.一种血流储备分数计算装置， 其特 征在于， 包括： 获取单元， 用于获取目标病灶动脉的动脉 特征参数； 确定单元， 用于通过预设的压降预测模型， 根据降维后的所述动脉特征参数， 确定所述 目标病灶动脉中目标区域的压降预测值； 偏差预测单元， 用于将降维后的所述动脉特征参数输入训练好的压降修正模型， 得到 所述压降预测值的压降修 正值， 其中， 所述压降修 正模型为机器学习模型； 分数确定单元， 用于根据所述压降预测值和所述压降修正值， 确定所述目标区域的血 流储备分数。 12.一种电子设备， 其特征在于， 所述电子设备包括处理器、 存储器以及存储于所述存 储器中并可在所述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实现如 权利要求1至10任一项所述的血流储备分数计算方法中的步骤。 13.一种可读存储介质， 其特征在于， 所述可读存储介质上存储有计算机程序， 所述计 算机程序被处理器执行时实现权利要求1至10任一项 所述的血流储 备分数计算方法中的步 骤。权　利　要　求　书 2/2 页 3 CN 113995388 B 3