(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111641922.7 (22)申请日 2021.12.2 9 (71)申请人 深圳市中科微 光医疗器 械技术有限 公司 地址 518055 广东省深圳市南 山区西丽留 仙洞工业区1号厂房201-2 (72)发明人 朱锐　鲁全茂　 (74)专利代理 机构 西安恒泰知识产权代理事务 所 61216 专利代理师 李婷 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/62(2017.01) G06T 7/73(2017.01) G06T 7/13(2017.01)G06T 7/11(2017.01) G06T 5/00(2006.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) A61B 5/026(2006.01) (54)发明名称 基于光学相干断层成像的血流储备分数预 测方法、 装置及计算机存 储介质 (57)摘要 本发明公开基于光学相干断层成像的血流 储备分数预测方法、 装置及计算机存储介质， 通 过建立多任务学习模型， 采用端到端的网络结构 同时识别出OCT影像中的管腔和分叉； 同时， 考虑 到管腔、 分叉具有一定的结构特性和空间位置关 系， 构建基于空间结构约束的多任务学习模型， 实现管腔、 分叉的精准识别， 同时解决传统网络 模型中存在的结构信息缺失、 类别不平衡等问 题， 提高模型的泛化能力； 为了实现参考帧的自 动选择， 同时解决OCT健康血管和非健康血管在 视觉上的相似性问题， 提出了基于三元组损失的 OCT健康血管分类网络； 然后利用流体动力学程 式， 结合管腔轮廓面积、 分叉和参考帧， 提出构建 基于多参数的F FR预测技 术， 精准测算F FR。 权利要求书3页 说明书7页 附图10页 CN 114463267 A 2022.05.10 CN 114463267 A 1.一种基于光学相干断层扫描影像的血流储备分数预测装置， 包括探头接口模块、 显 示模块， 其特征在于： 还包括探测模块、 信号处理模块和数据计算模块， 所述的探测模块、 探 头接口模块、 信号处 理模块、 数据计算模块和显示模块依次相连； 探头接口模块， 用于光信号发射和接收， 并联动探测模块进行回撤； 探测模块， 包含导管1、 弹性构件2、 光纤3、 探头4、 导丝5、 透明外管套6、 冲洗液出口7， 用 于传输探头接口模块发射的光信号， 并将从组织返回的光信号再传回到探头接口模块， 上 述信号通过探头接口模块发送给信号处 理模块； 信号处理模块， 用于将探测模块发射或接受的光信号转换成为图像信息； 并且对图像 信息进行 数据校准、 图像增强； 数据计算模块， 基于OCT影像及多任务学习机制， 构 建联合管腔、 分叉识别框架， 通过对 探测模块输入的信号进行处理， 得到血管管腔边缘、 形态、 结构空间信息， 获取血管管腔边 界， 计算血 管管腔面积， 得到分叉位置； 通过构建基于三元组的健康血管识别模型， 通过增加类间的差异性及类内的相似性， 识别出回拉OCT图像中的健康血 管， 并结合管腔面积及分叉位置， 选出参 考帧； 进一步利用流体动力学模型， 结合血管管腔面积、 参考帧面积， 计算出血管内的血流 量、 流阻， 结合实际测量的收缩压和舒张压数据， 得到血管内FFR值， 从而实现FFR的全自动 计算； 显示模块， 用于将数据计算模块得到的处 理结果呈现在显示器上。 2.如权利要求1所述的基于光学相干断层扫描影像的血流储备分数预测装置， 其特征 在于： 所述的信号处理模块至少包括依 次相连的数据采集单元和数据 处理单元， 数据采集 单元， 通过探测接口模块， 将探测模块获取的信号进行 数据采集； 数据处理单元至少包括信号转换模块、 图像校准模块和图像增强模块， 所述信号转换 模块用于将数据采集单元接 收到的电信号信号转换成为图像信息； 图像校准模块， 用于分 别对信号转换模块或图像裁剪模块得到的图像进行数据校准； 图像增强模块， 用于对经过 图像校准模块校准重构的图像进行图像增强； 数据计算模块单元， 至少包括依次相连的管腔、 分叉别模块、 管腔面积计算模块、 参考 帧自动识别模块、 FFR全自动预测模块； 管腔、 分叉识别模块用于针对血管管腔、 分叉信息进 行轮廓信息提取； 管腔面积 计算模块， 用于根据血管管腔边缘、 形态、 结构空间信息， 获取血 管管腔边界， 计算血管管腔面积； 参考帧自动计算模块， 利用三元 组损失函数构建健康管腔 识别模型， 增加类内的相关性及类间的差异性， 然后结合分叉位置， 自动选择参考帧位置； FFR全自动预测模块， 利用流体动力学模 型， 结合血管管腔面积、 参考帧面积， 计算出血管内 的血流量、 流阻， 结合实际测量的收缩压和舒张压数据， 得到血 管内FFR值。 3.如权利要求2所述的基于光学相干断层扫描影像的血流储备分数预测装置， 其特征 在于： 所述的数据 处理单元还包括图像裁剪模块， 用于将信号转换模块得到的图像信息进 行分割， 提取图像特定区域。 4.如权利要求1或2所述的基于光学相干断层扫描影像的血流储备分数预测装置， 其特 征在于： 在探 头接口模块与探测模块之间还设置有清洗模块。 5.如权利要求4所述的基于光学相干断层扫描影像的血流储备分数预测装置， 其特征 在于： 所述的探测 模块还包括导管(1)、 弹性构件(2)、 电缆线(3)， 导管(1)包括体内部和体权　利　要　求　书 1/3 页 2 CN 114463267 A 2外部， 导管(1)的体外部上设置有清洗模块， 探测模块与探头接口模块通过导管(1)的体外 部连接； 在导管(1)的体内部设置有超声探头(4)、 电缆线(3)和弹性构件(2)， 超声探头(4) 通过电缆线(3)与探 头接口模块连通， 弹性构件(2)设置在电缆线(3)上。 6.如权利要求5所述的基于光学相干断层扫描影像的血流储备分数预测装置， 其特征 在于： 所述的探测模块 导管(1)的体内部远离导管(1)的体外 部一端设置有冲洗液 出口(7)。 7.如权利要求5或6所述的基于光学相干断层扫描影像的血流储备分数预测装置， 其特 征在于： 所述的导管(1)的体内部外侧还套置有透明外套管(6)， 且透明外套管(6)在导管 (1)的体内部的深度不超过超声探 头(4)在导管(1)的体内部的轴向位置 。 8.一种基于光学相干断层扫描影像的血流储备分数预测方法， 其特征在于： 该方法包 括如下步骤： 步骤1： 近红外光从组织返回来的光信号与参照反光镜反射回来的光信号相叠加、 干 涉， 产生的干涉信号被光电探测器探测， 经探测器把干涉后的光信号转换成电信号， 并将放 大后的电信号 通过探头接口模块发送给信号处 理模块完成信号数据采集； 步骤2， 将采集信号数据进行信号 转换、 图像校准、 图像增强， 完成图像数据采集； 步骤3， 构建管腔、 分叉识别多任务学习模型； 步骤4， 建立管腔、 分叉的轮廓先验约束条件； 步骤5， 结合步骤4轮廓先验约束条件， 执行管腔和分叉的识别多任务学习模型学习任 务， 得到血 管管腔边缘、 形态、 结构空间信息， 计算血 管管腔面积,得到分叉位置； 步骤6， 构建基于三元组的健康血管识别模型， 通过增加类间的差异性及类内的相似 性， 识别出回拉OCT图像中的健康血 管， 并结合管腔面积及分叉位置， 选出参 考帧； 步骤7， 利用流体动力学程式， 结合血管管腔面积、 参考帧面积， 构建全自动FFR预测模 型， 计算得到血 管内FFR值。 9.如权利要求8所述的基于光学相干断层扫描影像的血流储备分数预测方法， 其特征 在于： 所述的步骤2还 包括将采集信号数据进行图像裁 剪。 10.如权利要求8所述的基于光学相干断层扫描影像的血流储备分数预测方法， 其特征 在于： 所述的步骤3构建管腔、 分叉识别多任务学习模型网络结构两个并行的卷积神经网 络， 其中采用的卷积核大小包括5x5的卷积层和3x3的卷积层。 11.如权利要求8所述的基于光学相干断层扫描影像的血流储备分数预测方法， 其特征 在于： 所述步骤4轮廓、 分叉 的轮廓先验约束条件为在 网络损失函数中添加轮廓损失函数， 使得模型 学习到更多的结构信息， 具体公式为： L总损 失＝ λ1(L管腔 掩膜+L分叉掩膜)+λ2(L管腔 轮廓+L分叉轮廓) 其中L表示损失函数， 采用的是负似然对数， 即 其中x表示表示图像中像素的位置， 表示相对于真实标签l的网络模型预 测概率， λ1、 λ2分别表示掩膜和轮廓的在多任务学习中的权 重参数。 12.如权利要求8所述的基于光学相干断层扫描影像的血流储备分数预测方法， 其特征 在于： 所述的步骤6， 构建基于三元组的健康血管识别模型， 该三元组的健康血管识别模型权　利　要　求　书 2/3 页 3 CN 114463267 A 3