文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201811333947.9

申 请 日：20181109

发 明 人：彭长农 王小庆 冼展超 张贺晔 高智凡

申 请 人：深圳市孙逸仙心血管医院(深圳市心血管病研究所)

申请人地址：518000 广东省深圳市罗湖区翠竹街道东门北路1021号

公 开 日：20230704

公 开 号：CN109524119B

代 理 人：齐文剑

代理机构：深圳市智胜联合知识产权代理有限公司

语　　种：中文

摘　　要：本发明揭示了一种基于GAN血流储备分数预测方法、装置、设备及介质，步骤包括：通过GAN模型中的生成网络模型以及目标指定区域的血管特征向量计算出所述目标指定区域血管的血流储备分数计算值；获取所述目标指定区域的血管通过有创测试方式测得的血流储备分数有创测量值；将所述血流储备分数计算值和血流储备分数有创测量值分别作为GAN模型中的判别网络模型的输入向量，并对所述GAN模型进行迭代训练；根据训练完毕的GAN模型对患者指定区域血管的血流储备分数进行预测换算。能准确的预测血流储备分数，应用范围广，有更大的自由度，避免了手术风险，无需使用血管扩张剂，对患者更安全，本发明计算复杂度低，计算速度快。

主 权 项：1.一种基于GAN血流储备分数预测方法，其特征在于，包括如下步骤：提取冠脉CT图像中指定区域的血管特征值，并整合为血管特征向量，其中，所述血管特征值包括：血管局部几何特征：获取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：其中，r_r表示半径减小比率；r_s表示狭窄的最小半径；r_p表示接近狭窄的节段的正常半径；r_d表示狭窄远端的正常半径；通过GAN模型中的生成网络模型以及目标指定区域的血管特征向量计算出所述目标指定区域血管的血流储备分数计算值；获取所述目标指定区域的血管通过有创测试方式测得的血流储备分数有创测量值；将所述血流储备分数计算值和血流储备分数有创测量值分别作为GAN模型中的判别网络模型的输入向量，并对所述GAN模型进行迭代训练；具体地，分别交替对GAN模型中的生成网络模型和判别网络模型通过最大化判别网络模型的差别能力和最小化生成网络模型的分布损失函数来独立进行迭代训练，至所述生成网络模型生成的血流储备分数计算值在判别网络模型中的判别输出概率值接近0.5；所述判别网络模型的迭代训练步骤包括，将由血管特征向量计算得出的血流储备分数计算值设为假样本集，并将假样本集的所有类标签设为0；将通过有创检测得出的血流储备分数有创测量值设为真样本集，并将真样本集的所有类标签设为1；输入血管特征向量和血流储备分数有创测量值，通过比较判别网络模型输出的值与1的直接差值调整权重，使判别网络模型输出的值接近1，

关 键 词：血流储备分数 目标指定  有创 网络模型 血管 预测  测量  计算复杂度 血管扩张剂 应用范围广  测试方式  迭代训练  输入向量  向量计算  血管特征  换算  安全  

IPC专利分类号：G16H50/50; G06N3/0464; G06N3/06